基于多特征重构的三维目标反演算法
作者机构:南京航空航天大学自动化学院 中国自然资源航空物探遥感中心
出 版 物:《浙江大学学报(工学版)》 (Journal of Zhejiang University(Engineering Science))
年 卷 期:2024年
核心收录:
学科分类:12[管理学] 081801[工学-矿产普查与勘探] 081802[工学-地球探测与信息技术] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 0818[工学-地质资源与地质工程] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然基金资助项目(62073164) 上海航天科技创新基金资助项目(SAST2022-013)
主 题:三维目标反演 多特征重构 注意力机制 深度学习 多任务学习
摘 要:为了解决基于深度学习的三维反演方法中存在的内存占用大、训练耗时久的问题,提出基于多特征重构的三维目标反演算法.通过特征分解提取目标的水平区域、中心深度、垂直厚度和剩余密度4类特征,实现对三维模型的压缩,降低内存占用.设计多特征重构反演网络(MRNet),通过不同的Decoder实现对目标4类特征的预测,利用4类特征重构三维模型,实现对三维目标的反演.在网络输入端引入梯度联合实现对目标边界信息的增强.在跨层连接处引入CA注意力机制,实现对Decoder预测功能的分化,优化反演效果.模拟实验结果显示,MRNet的局部相对准确度相对于3D U-Net提升了30%以上,达到88.91%,每轮训练时间仅为3D U-Net的1/13.将MRNet应用于Vinton盐丘地区,较准确地得到了盖岩的分布情况,验证了MRNet具备一定的泛化性.