岩心箱图像识别及其基于新增强技术的改进
计算机视觉与模式识别
2022-04-21 v2
摘要
大多数用于全孔径岩心图像自动分析(描述、颜色、属性分布等)的方法都基于单独的岩心柱分析。由于为每根岩心柱获取图像耗时巨大,岩心通常在箱中进行成像。本文提出了一种从岩心箱中提取岩心柱的创新方法和算法。岩心箱成像条件可能差异极大。此类差异对需要描述所有可能数据变化的大型数据集的机器学习算法是灾难性的。然而,此类图像具有一些标准特征——箱子和岩心。因此,我们可以用本文描述的独特增强来模拟不同环境。这称为类模板增强(TLA)。该方法被描述并在多种环境下测试,结果在基于“传统”数据以及传统与TLA混合数据训练的算法上进行比较。使用TLA数据训练的算法提供了更好的指标,并且能在大多数新图像上检测岩心,而未经TLA数据训练的算法则不能。应用于自动岩心描述系统的岩心柱提取算法将岩心箱处理速度提高了20倍。
引用
@article{arxiv.2204.08853,
title = {Core Box Image Recognition and its Improvement with a New Augmentation Technique},
author = {E. E. Baraboshkin and A. E. Demidov and D. M. Orlov and D. A. Koroteev},
journal= {arXiv preprint arXiv:2204.08853},
year = {2022}
}
备注
20 pages, 16 figures, 1 table, the augmentation pipeline code samples published as Open-Source code for TLA at https://github.com/BEEugene/TemplateArtification/, continue of the research from arXiv:1909.10227