Autoencoder-Initialized Deep Feature Extraction from ASTER Relative Band Depth Data Improves Detection of Porphyry Copper Alteration Zones
Diese Studie zeigt, dass ein hybrider Workflow, der ASTER Relative Band Depth-Daten mit einem durch einen Autoencoder initialisierten VGG16-Deep-Feature-Extraktor kombiniert, die Genauigkeit der Kartierung von porphyrischen Kupfer-Alterationszonen im KuhPanj-Distrikt im Vergleich zu konventionellen Methoden und ImageNet-initialisierten Modellen signifikant verbessert.