一种基于深度神经网络的离子吸附型稀土矿成矿靶区智能预测方法

本发明提出了一种基于深度神经网络的离子吸附型稀土矿成矿靶区智能预测方法，并提供了一种新型的融合跨级空洞特征及注意力的卷积神经网络模型RCACNet，该模型采用深度残差网络作为骨干网络，并融合密集连接的空洞空间金字塔池化模块、跨级特征融合模块以及在骨干网络内部嵌入的卷积块注意力模块，通过这四个模块的协同工作，能有效应对离子吸附型稀土矿目标光谱相似、尺度多变、特征细微等复杂挑战，从而实现高精度分割。