Autoencoder-Initialized Deep Feature Extraction from ASTER Relative Band Depth Data Improves Detection of Porphyry Copper Alteration Zones
Questo studio dimostra che un flusso di lavoro ibrido che combina i dati ASTER Relative Band Depth con un estrattore di caratteristiche profonde VGG16 inizializzato tramite autoencoder migliora significativamente l'accuratezza della mappatura delle zone di alterazione del rame porfirico nel distretto di KuhPanj rispetto ai metodi convenzionali e ai modelli inizializzati con ImageNet.