基于混合专家模型的岩石薄片图像分类

以常见的5种岩石薄片作为研究对象构建数据集,提出一种新的基于混合专家模型的岩石薄片图像分类模型.该模型从薄片图像中学习到每种岩石图像的特征,并对其进行分类.首先,使用多个基于卷积神经网络(CNN)和Transformer的图像分类模型(ResNet50,MobileNetV3,InceptionV3,DeiT等)对数据进行训练;其次,选取效果较好的模型,通过构建混合专家模型,得到最终的预测结果,其岩性识别准确率(ACC)和AUC在验证集上达到85.33%和96.69%,在测试集上达到87.16%和96.75%;最后,通过混合专家模型结合多个模型,综合各模型的优势,平衡各模型间的贡献,提高分类结果的准确性和鲁棒性,使得到的分类结果更可靠、稳定.