剖析U-net在地震中的应用：深度学习多次波去除的深入研究
图像与视频处理
2022-06-27 v1 计算机视觉与模式识别
摘要
地震处理常需压制采集数据时出现的相关多次波。为应对这些假象，从业者通常依赖基于Radon变换的算法作为偏移后道集调理。然而，此类传统方法既耗时又依赖参数，相当复杂。本工作中，我们提出一种基于深度学习的替代方案，在降低使用复杂度的同时提供有竞争力的结果，从而使其应用更普及。我们观察到网络在推断复杂野外数据时表现优异，尽管仅以合成数据训练。此外，大量实验表明我们的方案能在去除多次波的同时保留数据固有特征，避免不希望的过度平滑结果。最后，我们对模型进行了深入分析，将主要超参数的影响与物理事件精准对应。据我们所知，该研究开创了神经网络用于多次波去除过程的黑箱揭示，帮助用户洞察网络内部运行。
引用
@article{arxiv.2206.12112,
title = {Dissecting U-net for Seismic Application: An In-Depth Study on Deep Learning Multiple Removal},
author = {Ricard Durall and Ammar Ghanim and Norman Ettrich and Janis Keuper},
journal= {arXiv preprint arXiv:2206.12112},
year = {2022}
}