盐丘自动分割:一种深度学习方法
机器学习
2018-12-05 v1 机器学习
摘要
地震反射最重要的应用之一是烃类勘探,其与盐丘分析密切相关。由于其非线性性质,该问题即便在当今也十分重要。考虑到深度学习网络的最新进展,TGS-NOPEC地球物理公司在Kaggle上举办了地震图像数据盐丘分割问题竞赛。本文展示了几种新颖深度学习技术融合进单一神经网络后的优异性能,该网络在上述竞赛中取得第27名(前1%)。我们以在ImageNet上预训练的带ResNeXt-50编码器的U-Net作为基础架构,实现了空间-通道压缩激励(Spatial-Channel Squeeze & Excitation)、Lovasz损失、CoordConv和超列(Hypercolumn)方法。我们解决方案的源代码已公开于 https://github.com/K-Mike/Automatic-salt-deposits-segmentation。
引用
@article{arxiv.1812.01429,
title = {Automatic salt deposits segmentation: A deep learning approach},
author = {Mikhail Karchevskiy and Insaf Ashrapov and Leonid Kozinkin},
journal= {arXiv preprint arXiv:1812.01429},
year = {2018}
}
备注
4 pages, 4 figures