| 基于深度学习的剩余油形态分类 |
| |
| 引用本文： | 李望奇,滕奇志,何小海,龚剑. 基于深度学习的剩余油形态分类[J]. 计算机系统应用, 2023, 32(12): 224-232 |
| |
| 作者姓名： | 李望奇 滕奇志 何小海 龚剑 |
| |
| 作者单位： | 四川大学 电子信息学院, 成都 610065;成都西图科技有限公司, 成都 610065 |
| |
| 基金项目： | 国家自然科学基金（62071315） |
| |
| 摘 要： | 剩余油的形态分布情况对油田的深度开发有着重大意义. 针对剩余油数据量较少和传统的形态参数分类能力有限等问题, 提取一种基于深度学习的剩余油形态分类方法. 该方法在数据预处理部分, 利用生成对抗网络ACGAN的多类别数据生成特性对剩余油图像进行数据增强; 采用VGG19模型作为主干网络提取传统形态参数无法描述的深层特征, 同时引入SENet注意力机制, 改善模型特征表达能力, 使得最终的分类结果更加精确. 为验证本研究方法的有效性, 将本文方法与传统形态参数和其他深度学习模型的分类方法进行对比, 并通过主观视觉和客观指标进行评估, 结果表明本文方法分类更为精确.
|
| 关 键 词： | 剩余油 形态特征 深度学习 分类识别 |
| 收稿时间： | 2023-04-27 |
| 修稿时间： | 2023-07-03 |
Morphological Classification of Remaining Oil Based on Deep Learning |
| |
| LI Wang-Qi,TENG Qi-Zhi,HE Xiao-Hai,GONG Jian. Morphological Classification of Remaining Oil Based on Deep Learning[J]. Computer Systems& Applications, 2023, 32(12): 224-232 |
| |
| Authors: | LI Wang-Qi TENG Qi-Zhi HE Xiao-Hai GONG Jian |
| |
| Affiliation: | College of Electronics and Information Engineering, Sichuan University, Chengdu 610065, China; Chengdu Xitu Technology Co. Ltd., Chengdu 610065, China |
| |
| Abstract: | |
| |
| Keywords: | remaining oil morphological character deep learning classification identification |
|
| 点击此处可从《计算机系统应用》浏览原始摘要信息 |
|
点击此处可从《计算机系统应用》下载全文 |
|
