CONSS:基于对比学习的半监督地震相分类方法
计算机视觉与模式识别
2023-03-14 v3 图像与视频处理
摘要
近年来,基于卷积神经网络(convolutional neural networks, CNN)的地震相分类引起了显著的研究兴趣。然而,现有基于 CNN 的监督学习方法需要大量标注数据。标注费力且耗时,尤其对于三维地震数据体。为克服该挑战,我们提出一种基于像素级对比学习的半监督方法,称为 CONSS,其仅使用原始标注的 1% 即可高效识别地震相。此外,缺乏统一的数据划分与标准化指标阻碍了各类相分类方法的公平比较。为此,我们开发了一个用于评估半监督方法的客观基准,涵盖自训练、一致性正则化及所提 CONSS。我们的基准已公开,以使研究者能客观比较不同方法。实验结果表明,我们的方法在 F3 勘测区上取得了最先进的(state-of-the-art, SOTA)性能。
引用
@article{arxiv.2210.04776,
title = {CONSS: Contrastive Learning Approach for Semi-Supervised Seismic Facies Classification},
author = {Kewen Li and Wenlong Liu and Yimin Dou and Zhifeng Xu and Hongjie Duan and Ruilin Jing},
journal= {arXiv preprint arXiv:2210.04776},
year = {2023}
}