用于相带分类的机器学习基准
图像与视频处理
2019-04-11 v2 计算机视觉与模式识别
地球物理
摘要
近期将深度学习用于地震解释任务（如相带分类）的兴趣面临一个显著障碍，即缺乏用于训练和测试模型的大型公开标注数据集。因此，研究人员常常自行标注训练与测试数据。然而，不同研究人员可能标注不同类别，或使用不同的训练与测试划分。此外，将机器学习应用于相带分类的论文通常不包含定量结果，而仅依赖对结果的视觉检查。所有这些做法导致了主观结果，并极大阻碍了不同机器学习模型之间的比较以及理解各方法的优劣。为解决这些问题，我们开源了荷兰 F3 区块完全标注的 3D 地质模型。该模型基于对 3D 地震数据及 26 口测井曲线的研究，并立足于对该区域地质的细致考察。此外，我们提出了两种基于反卷积网络架构的相带分类基线模型，并公开其代码。最后，我们提出了在该数据集上评估不同模型的方案，并分享了基线模型的结果。除公开数据集与代码外，本工作通过创建用于比较不同机器学习方法相带分类结果的客观基准，推动了该领域的研究。
引用
@article{arxiv.1901.07659,
title = {A Machine Learning Benchmark for Facies Classification},
author = {Yazeed Alaudah and Patrycja Michalowicz and Motaz Alfarraj and Ghassan AlRegib},
journal= {arXiv preprint arXiv:1901.07659},
year = {2019}
}
备注
Submitted to the SEG Interpretation journal