基于多模态特征融合的地质体识别方法
付偲1
李超岭2
张海燕1
刘畅2
李丰丹2
1.北京林业大学信息学院,北京 100083;国家林业草原林业智能信息处理工程技术研究中心,北京 1000832.中国地质调查局发展研究中心,北京 100037
摘要：将深度学习技术应用于地质填图,挖掘不同模态数据深层次信息,可以实现更为准确的地质填图.提出了一种基于多模态特征融合的地质体识别方法,综合考虑地球物理、地球化学数据和遥感影像数据,该方法先利用深度神经网络和卷积神经网络分别提取这两种不同模态数据的特征,然后进行特征拼接得到多模态特征,最后利用全连接神经网络进行特征融合完成地质体分类.交叉验证结果表明,提出的多模态特征融合方法比仅使用地球物理地球化学数据或遥感影像数据的深度学习方法相比有明显的优势,在分类准确率上分别提升了14.08%和2.79%,证明了该方法可以实现更为精准的地质体识别,进而更好地辅助地质填图.
关键词：地质体识别地质填图多模态特征融合深度学习矿产勘察
分类号：P623(地质、矿产普查与勘探)
资助基金：中国地质调查局地质调查项目(No.DD20190416)
论文发表日期：2023-10-15
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 3743-3752 )
英文信息