利用部分解释样本对地震图像中地质单元进行自动分类

对大型地震叠加或偏移地震图像进行地质解释对地震解释人员而言可能是一项耗时的工作。基于神经网络的语义分割在拥有足够数量的解释示例时可提供快速且自动的解释。图像到图像映射的网络近来作为自动分割的有力工具而出现，但标准实现需要完全解释的示例。手动为大型图像生成训练标签十分耗时。我们引入了一种部分损失函数和标注策略，使得网络能够从部分解释的地震图像中学习。该策略每幅地震图像仅需少量标注像素。在来自爱尔兰海的地震图像和解释信息上的测试表明，我们从少量大型地震图像中获得了高质量的预测解释。部分损失函数、显式考虑小型与大型地质特征的多分辨率网络，以及新的标注策略相结合，使神经网络成为更实用的自动地震解释工具。