一种变尺度深度学习的地下目标成像方法及成像系统

本发明公开了一种基于变尺度深度学习的地下目标成像方法及成像系统，属于地球物理勘探技术领域，包括如下步骤：S1：建立多尺度磁测数据集；S2：构建基于UNet++的变尺度深度学习网络模型，动态信息融合层将池化后与拆分卷积后的信息进行特征融合，能够适应任意尺寸的输入数据并弥补池化造成的信息损失；S3：设计均方误差和损失加权构成的多约束损失函数；S4：采用迁移学习，将固定尺寸训练好的模型参数作为初始权重，通过冻结并微调解码器参数，实现多尺寸数据的渐进式训练，最后根据测试集预测效果验证整个网络模型的有效性，不仅在处理不同尺度数据时提高了网络的通用性和灵活性，还能快速适应特定区域大尺寸数据特征。