用于地震炮集图像质量分类的深度卷积网络
计算机视觉与模式识别
2019-12-04 v1 机器学习
图像与视频处理
摘要
基于深度学习的模型如卷积神经网络，已在多个计算应用领域取得显著进展。地震记录质量保证是一项相关的地球物理任务，因为在地震处理早期阶段，我们需要识别并修复噪声航迹线。本工作中，我们引入一个基于 6,613 个样本的真实世界地震记录质量分类数据集，由人类专家根据其噪声强度手动标注为良好、糟糕或极差。该数据集用于训练一个用于地震炮集质量预测的 CNN 分类器。在我们的实证评估中，测试集上观察到 93.56% 的 F1 分数。
引用
@article{arxiv.1912.01148,
title = {A Deep Convolutional Network for Seismic Shot-Gather Image Quality Classification},
author = {Eduardo Betine Bucker and Antonio José Grandson Busson and Ruy Luiz Milidiú and Sérgio Colcher and Bruno Pereira Dias and André Bulcão},
journal= {arXiv preprint arXiv:1912.01148},
year = {2019}
}