中国科学院机构知识库网格
Chinese Academy of Sciences Institutional Repositories Grid
基于两级分段式算法的卷积神经网络的浮游有孔虫自动鉴定*

文献类型:期刊论文

作者熊连桥4; 李建平4; 谢晓军4; 岳祥4; 呼和4; 方陪岳2,3; 白海强4; 张东1
刊名古生物学报
出版日期2021
卷号60期号:4页码:616-623
关键词自动鉴定 卷积神经网络 浮游有孔虫 古环境 中新世
DOI10.19800/j.cnki.aps.2020048
英文摘要

有孔虫个体微小、数量众多、地理分布广、演化迅速, 是记录海洋沉积环境的重要载体, 在海相生物地层
划分和对比中具有十分重要的作用。因有孔虫属种众多, 传统的属种鉴定需要经验丰富的专业人员进行人工鉴
定且耗时较长, 此外人工鉴定古生物面临人才匮乏和工作量大等问题。卷积神经网络在计算机视觉领域的应用
可较好的解决上述问题。利用古生物专家对中新世浮游有孔虫化石标注为指导, 根据有孔虫化石不同方向的视
角分类, 结合卷积神经网络算法, 开发了有孔虫化石图像识别系统。研究发现, 通过有孔虫化石腹视、缘视和背
视角度分类, 采取两级分段式鉴定算法对中新世浮游有孔虫属一级进行识别, 属一级鉴定准确率达到82%左右。

语种中文
源URL[http://ir.nigpas.ac.cn/handle/332004/41790]  
专题中国科学院南京地质古生物研究所
通讯作者岳祥
作者单位1.山东胜软科技股份有限公司, 山东东营 257000
2.现代古生物学和地层学国家重点实验室, 中国科学院南京地质古生物研究所和生物演化与环境卓越创新中心, 南京 210008
3.东华理工大学地球科学学院, 南昌330013
4.中海油研究总院有限责任公司, 北京 100028
推荐引用方式
GB/T 7714
熊连桥,李建平,谢晓军,等. 基于两级分段式算法的卷积神经网络的浮游有孔虫自动鉴定*[J]. 古生物学报,2021,60(4):616-623.
APA 熊连桥.,李建平.,谢晓军.,岳祥.,呼和.,...&张东.(2021).基于两级分段式算法的卷积神经网络的浮游有孔虫自动鉴定*.古生物学报,60(4),616-623.
MLA 熊连桥,et al."基于两级分段式算法的卷积神经网络的浮游有孔虫自动鉴定*".古生物学报 60.4(2021):616-623.

入库方式: OAI收割

来源:南京地质古生物研究所

浏览0
下载0
收藏0
其他版本

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。