CRACKS：利用众包资源进行关键地下断层分析与分类
机器学习
2024-08-22 v1 计算机视觉与模式识别
摘要
众包标注已为机器学习标记数据的可用性带来了范式转变。大型数据集的可用性加速了视觉和语言数据等常见知识应用的进展。然而，需要专家标注的专业应用领域，其数据集仍然匮乏。地下断层分割就是此类应用之一。检测、追踪和分析断层对于预测流体流动、地震以及封存过量大气CO具有广泛的社会影响。然而，按照当前实践进行断层描绘是一项劳动密集型工作，需要地球物理学家对地下成像数据进行精细分析。本文中，我们提出了CRACKS数据集，利用众包资源来检测和分割地下图像中的断层。我们利用Amazon Mechanical Turk，从荷兰近海地下图像的切片中获取断层描绘，标注者包括：(i) 26名从未接触过地下数据、但观看过描述和标注断层的视频的新手；(ii) 8名此前接触并处理过地下数据的从业者；(iii) 1名地球物理学家，负责标注该区域的7636条断层。请注意，所有新手、从业者和专家都在同一地下体上分割断层，但彼此之间存在分歧。此外，每条断层标注都附带标注者的置信水平。本文提供了在给定新手和从业者标注的情况下，检测和分割专家标注的基准结果。更多细节以及数据集链接和代码可在 \href{https://alregib.ece.gatech.edu/cracks-crowdsourcing-resources-for-analysis-and-categorization-of-key-subsurface-faults/}{链接} 获取。
关键词
引用
@article{arxiv.2408.11185,
title = {CRACKS: Crowdsourcing Resources for Analysis and Categorization of Key Subsurface faults},
author = {Mohit Prabhushankar and Kiran Kokilepersaud and Jorge Quesada and Yavuz Yarici and Chen Zhou and Mohammad Alotaibi and Ghassan AlRegib and Ahmad Mustafa and Yusufjon Kumakov},
journal= {arXiv preprint arXiv:2408.11185},
year = {2024}
}