使用 U-net 结合 Lovasz 损失与最近点拾取方法的首波拾取
图像与视频处理
2021-04-08 v1 计算机视觉与模式识别
摘要
我们提出了一种鲁棒的分割与拾取工作流，以解决地震信号处理中的首波拾取问题。与传统分类算法不同，图像分割方法可通过输出与输入图像同尺寸的预测图来利用位置信息。提出一种无参数的最近点拾取算法以进一步提高首波拾取精度。该算法在合成干净数据、合成含噪数据、合成拾取不连续数据及野外数据上进行了测试，在所有数据上表现良好，每个接收点的拾取偏差低至 4.8 ms。首波拾取问题被表述为轮廓检测问题。与 \cite{wu2019semi} 类似，我们使用 U-net 执行分割，因其在许多图像分割任务中被证明为当前最优。特别地，使用 Lovasz 损失替代传统交叉熵损失来训练网络以获得更好的分割性能。Lovasz 损失是 Jaccard 指数或所谓交并比 (IoU) 分数的代理损失，其常为分割任务最常用的指标之一。在拾取部分，我们使用一种新颖的最近点拾取 (NPP) 方法，以利用相邻接收点间首波拾取的相干性。我们的模型在含谐波噪声的合成与野外数据上均经测试与验证。本文主要贡献如下：1. 使用 Lovasz 损失直接优化分割任务的 IoU。测试结果表明相对交叉熵损失在分割精度上的提升得到验证。2. 提出最近点拾取后处理方法以克服分割输出遗留的缺陷。3. 进行噪声分析并用含噪合成与野外数据集验证模型。
引用
@article{arxiv.2104.02805,
title = {First arrival picking using U-net with Lovasz loss and nearest point picking method},
author = {Pengyu Yuan and Wenyi Hu and Xuqing Wu and Jiefu Chen and Hien Van Nguyen},
journal= {arXiv preprint arXiv:2104.02805},
year = {2021}
}