基于U-Net卷积神经网络的海底磁异常条带自动识别方法研究——以沙茨基海隆为例

背景：海底磁异常条带是记录地球磁场倒转和海底扩张历史的关键地质现象，但其传统人工识别方法效率低、主观性强。研究目的：针对沙茨基海隆区域，研究团队旨在开发一种基于U-Net卷积神经网络的磁条带自动识别方法，以提升识别效率和精度，减少人为误差。结论：该方法在磁条带已知区域预测准确率最高达99.09%，显著提高了识别的客观性和效率，为磁条带定量化研究提供了新技术；未来将通过模型优化进一步提升泛化能力和对未知区域的预测精度。