买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：东北石油大学

摘要：一种基于改进SwinTransformer的砂岩显微图像分类方法及系统，涉及基于人工智能的地质与油气勘查领域。本发明是针对砂岩图像本身的复杂纹理特性、类别间的微妙差异以及训练样本分布的不均衡性，利用现有的深度学习方法无法进行对砂岩显微图像进行准确分类的问题而提出的。本发明通过改进Swin‑Transformer框架并引入三个关键技术模块：空间自适应增强模块、局部感知块以及平衡自适应机制，有效应对了传统深度学习方法在砂岩显微图像分类任务中遇到的主要问题。这些模块的综合运用不仅增强了模型对砂岩显微图像中细微特征的捕获能力，还优化了模型在处理不同砂岩类别图像时的分类精度，并在处理样本不平衡问题上展示出了更佳的泛化能力。本发明不仅显著提升砂岩显微图像的自动分类性能，还能为地质图像处理和分析领域带来新的技术方案和研究思路。

主权项：1.一种基于改进SwinTransformer的砂岩显微图像分类方法，其特征在于，包括以下步骤：步骤一、构建并应用涵盖多个地质区域的高质量砂岩显微图像数据集，用于模型的训练和评估；步骤二、集成空间自适应增强模块SAEM到SwinTransformerblock中，并将其置于自注意力模块和多层感知器之间，所述SAEM通过全局平均池化、1*1卷积和自适应深度可分离卷积实现对砂岩显微图像的特征的动态调整，用于捕捉砂岩显微图像的整体特征，通过卷积操作精细地处理砂岩显微图像局部细节，在动态调整卷积核大小以适应不同输入特征时，响应不同像素位置；所述SAEM通过Sigmoid激活函数转化注意力权重以增强对砂岩显微图像中关键纹理的表达；步骤三、将局部感知块LPB作为每个SwinTransformerblock前的高级预处理单元；步骤四、针对经步骤二、步骤三获得Geo-Swin-Transformer模型利用步骤一中的砂岩显微图像数据集进行训练，在训练中应用平衡自适应机制BAM动态调整总损失BAMLOSS中的类别权重；步骤五、在训练阶段伴随着模型评估，模型评估包括准确率、召回率以及F1分数多个指标以全面评估模型性能，如果评估不达标，则返回步骤二、三、四，依次对空间自适应增强模块、局部感知块、平衡自适应机制进行结构改进，直至评估达标。

全文数据：

权利要求：

百度查询： 东北石油大学 一种基于改进Swin Transformer的砂岩显微图像分类方法及系统