利用生成对抗网络（GAN）增强岩心图像分类
计算机视觉与模式识别
2023-08-29 v2 机器学习
图像与视频处理
摘要
在令人兴奋的石油勘探领域，钻取岩心样品是解锁对发现有利可图油藏至关重要的地质信息的关键。尽管这些样品十分重要，传统的岩心编录技术却以繁琐且更糟的是主观性强而著称。值得庆幸的是，该行业已采用一种创新解决方案——岩心成像，其可对大量钻取岩心进行非破坏性和非侵入性的快速表征。我们这篇杰出的研究论文旨在解决岩心检测与分类这一紧迫问题。利用最先进的技术，我们提出了一种将变革行业的突破性方案。我们的首要挑战是检测图像中的岩心并分割孔洞，我们将分别使用 Faster RCNN 和 Mask RCNN 模型来实现。接着，我们将利用强大的生成对抗网络（GAN）并采用上下文残差聚合（CRA）来为图像中缺失内容生成高频残差，从而解决岩心图像中孔洞填充问题。最后，我们将应用精细的纹理识别模型对岩心图像进行分类，向石油公司揭示其在探寻宝贵油藏过程中的关键信息。我们的研究论文提出了一种创新且突破性的方法来应对岩心检测与分类相关的复杂问题。通过利用尖端技术，我们准备革新该行业并为石油勘探领域作出重大贡献。
引用
@article{arxiv.2204.14224,
title = {Enhancing Core Image Classification Using Generative Adversarial Networks (GANs)},
author = {Galymzhan Abdimanap and Kairat Bostanbekov and Abdelrahman Abdallah and Anel Alimova and Darkhan Kurmangaliyev and Daniyar Nurseitov},
journal= {arXiv preprint arXiv:2204.14224},
year = {2023}
}