[特邀报告]基于深度学习的少样本矿物高光谱定量分析方法研究

基于深度学习的少样本矿物高光谱定量分析方法研究
编号:2450 稿件编号:1309 访问权限:仅限参会人 更新:2024-04-19 15:04:20 浏览:42次 特邀报告

报告开始:2024年05月20日 08:00 (Asia/Shanghai)

报告时间:9min

所在会议:[S7] 主题7、遥感与地理信息科学 » [S7-12] 主题7、遥感与地理信息科学 专题7.20、专题7.4(20日上午,305)

暂无文件

摘要
针对矿物信息的高光谱定量遥感研究,以深度学习为代表的机器学习方法提供了新的研究范式,但针对地学科学领域的应用,目前缺乏具有代表性的真实矿物标签。本研究从Hapke辐射传输模型、矿物识别谱系和深度学习网络的混合建模思路出发,开展融合Hapke辐射传输模型和矿物知识谱系的高光谱矿物定量分析深度学习研究,实现融合空间感知和辐射传输模型的数据增强技术,建立基于矿物识别关键特征和含量预测的多任务深度学习模型并开发参数分组优化算法。通过构建少样本矿物高光谱深度学习技术,为高光谱遥感地质定量化分析提供新的技术手段,对地质调查、矿产勘查、行星探测等具有重要的技术支撑作用,同时也可以为生态环境评价、土壤质量调查等提供参考。
 
关键字
高光谱遥感;小样本;辐射传输模型;多任务学习;深度学习
报告人
秦凯
研究员 核工业北京地质研究院

稿件作者
秦凯 核工业北京地质研究院
发表评论
验证码 看不清楚,更换一张
全部评论
● 会务总协调  

● 学术安排

 

辜克兢

13950003604

gukejing@xmu.edu.cn

辜克兢

13950003604

gukejing@xmu.edu.cn

柳    欣

13806024185

liuxin1983@xmu.edu.cn

窦    恒

18627754021

douheng@chytey.com

孙佳妮

15201086188

scarlett@chytey.com

刘    琳

13313708075

lliu@iue.ac.cn

 

● 会场技术服务

 

李    虎

柳    欣

18965842343

13806024185

hli@iue.ac.cn

liuxin1983@xmu.edu.cn
李招英

13860473552

lizhaoying@xmu.edu.cn

     
           
● 会场安排   ● 会议注册  

辜克兢

13950003604

gukejing@xmu.edu.cn

胡勤梅 13554192326

mary@chytey.com

窦    恒

18627754021

douheng@chytey.com

孙晓笛 18813296455 xiaodi.sun@xmu.edu.cn
           
● 商业赞助   ● 会议财务  
朱    佳 13950159036

zhujia@xmu.edu.cn

许心雅 18005960255 xuxinya@xmu.edu.cn
           

海报张贴

 

● 酒店预定及咨询

 
张    君 13860426122 junzhang@xmu.edu.cn

李    璟

18627754146

lijing@chytey.com

卢    巍 18971567453 luwei@chytey.com      

 

登录 注册缴费 酒店预订