基于深度学习和噪声转移矩阵的复杂岩性识别方法

本发明涉及的是基于深度学习和噪声转移矩阵的复杂岩性识别方法，它包括：获取岩芯图像，形成具有标签噪声的岩芯图像数据集；构建ResNet神经网络模型，利用岩芯图像数据集对模型进行预训练，计算岩芯图像数据集的噪声转移矩阵和噪声率；再构建两个ResNet神经网络模型，基于Co‑teaching思想，同时训练这两个模型，更新模型参数；在两个模型训练过程中，使用噪声转移矩阵对损失函数进行修正，以修正后的损失更新模型参数，得到岩性识别模型；用岩性识别模型对未标注岩芯样本进行岩性预测，可视化展示预测结果。本发明采用Co‑teaching技术和噪声转移矩阵相结合，能够高效准确识别含噪声数据集中的未知岩性。