DSU-Net：用于 2-D 地震第一破裂点的动态蛇型 U-Net
计算机视觉与模式识别
2024-05-28 v1 图像与视频处理
摘要
在地震勘探中，确定第一破裂点 (FB) 是建立地下速度模型的关键步骤。各类基于深度神经网络的自动拾取技术已得到开发，以加快此过程。最流行的类别是使用语义分割网络对枪束进行称为二维 (2-D) 的拾取。一般情况下，2-D 分割基于的拾取方法将枪束图像作为输入，并输出二值分割图，其中每一列的最大值即为 FB 的位置。然而，当前设计的分割网络难以确保分割的水平连续性。此外，某些区域也存在 FB 跳跃，当前网络难以检测此类跳跃。因此，重要的是尽可能多地拾取并确保水平连续性。为缓解此问题，我们提出一种 novel 语义分割网络用于 2-D 地震 FB 拾取任务，其中我们将动态蛇卷积引入 U-Net 并称新建的分割网络为动态蛇型 U-Net (DSU-Net)。具体而言，我们在计算机视觉中开发原始动态蛇卷积 (DSConv)，并提出一种 novel DSConv 模块，该模块可提取枪束浅层特征中的水平连续特征。许多实验表明，DSU-Net 的准确率和鲁棒性均高于其他 2-D 分割-based 模型，在 2-D 地震现场调查中实现了最先进 (SOTA) 性能。特别地，它能够有效检测 FB 跳跃并更好地确保 FB 的水平连续性。此外，剖析实验和抗噪实验分别验证了 DSConv 模块的最优结构以及拾取的鲁棒性。
引用
@article{arxiv.2405.16980,
title = {DSU-Net: Dynamic Snake U-Net for 2-D Seismic First Break Picking},
author = {Hongtao Wang and Rongyu Feng and Liangyi Wu and Mutian Liu and Yinuo Cui and Chunxia Zhang and Zhenbo Guo},
journal= {arXiv preprint arXiv:2405.16980},
year = {2024}
}