| 基于像素差分神经网络的断层识别方法 |
| |
| 引用本文： | 马啸,姚刚,张峰,吴迪.基于像素差分神经网络的断层识别方法[J].地球物理学报,2023(4):1649-1663. |
| |
| 作者姓名： | 马啸 姚刚 张峰 吴迪 |
| |
| 作者单位： | 1. 中国石油大学(北京)油气资源与探测国家重点实验室;2. 中国石油大学(北京)地球物理学院;3. 中国石油大学(北京)非常规油气科学与技术研究院 |
| |
| 基金项目： | 国家自然科学基金项目(41974142,42074129)； |
| |
| 摘 要： | 断层识别是地震解释的一项重要任务.相对传统的基于人工或半人工的断层检测方法，基于深度学习的断层检测方法具有自动化程度高等特点，近年来已经吸引了业界广泛兴趣.目前，大多数利用深度学习的断层识别方法都是基于语义分割或图像分类，但基于语义分割或图像分类的方法预测出的断层噪声较多.而边缘检测网络可以通过学习断层在地震剖面中不连续的特征，从而提高网络的抗噪能力.为了利用边缘检测网络的抗噪优点并提升其性能，本文采用基于像素差分的卷积运算构建出像素差分网络模型(Pixel Difference Networks, Pidinet).相较于传统的边缘检测网络，Pidinet将传统的边缘检测算子与深度学习网络结合，有效地提升了边缘检测的效果.为了使Pidinet网络更好地预测断层，本文对原始Pidinet网络进行了优化，去掉了相对断层识别任务而言多余的分支结构和卷积层.相对于传统的卷积运算，基于像素差分的卷积运算可以让神经网络更好地学习断层信息.为了让网络充分学习数据中的断层特征，本文将真实地震样本与合成地震样本混合得到训练所用数据集.实验证明Pidinet在交并比(Intersection over ...
|
| 关 键 词： | 边缘检测 像素差分 迁移学习 断层识别 |
|
|
