Autoencoder-Initialized Deep Feature Extraction from ASTER Relative Band Depth Data Improves Detection of Porphyry Copper Alteration Zones
Cette étude démontre qu'un flux de travail hybride combinant les données de profondeur de bande relative d'ASTER avec un extracteur de caractéristiques profondes VGG16 initialisé par un autoencodeur améliore significativement la précision de la cartographie des zones d'altération de cuivre porphyrique dans le district de KuhPanj par rapport aux méthodes conventionnelles et aux modèles initialisés par ImageNet.