10%标注达75% IoU
首个将地质异质性作为显式引导信号融入半监督学习的孔隙识别模型，显著降低标注依赖。
刘培刚 · Jing, Ma · Chaozhi, Yang · Honghao, Dong · Peijie, Wang · 李宗民
Fuel 2027
半监督学习利用大量未标注数据，仅需10%标注样本即可实现高精度，减少人工标注成本。
通过异质性感知对比学习增强模型在复杂区域的判别能力，在异质区域额外提升1.54%。
首次将地质异质性作为显式引导信号融入半监督框架，定位高异质、富孔隙区域，提升识别精度。