Un réseau d'attention hybride local-global pour la classification d'images de roches en coupe mince

Key Points

• Les réseaux d'attention des caractéristiques local-global améliorent la précision de classification des images en coupe mince, faisant progresser l'analyse géologique.
• Dans les expériences, l'approche hybride a atteint une augmentation de 15 % de la précision de classification par rapport aux méthodes traditionnelles.
• L'étude utilise une architecture de réseau neuronal conçue pour la classification d'images, intégrant efficacement à la fois des caractéristiques locales et globales.
• Ces résultats suggèrent que l'amélioration des méthodes de classification d'images peut mieux soutenir la recherche géologique et les applications pratiques.