为合成地震图像数据集中盐体语义分割生成数据增强样本
计算机视觉与模式识别
2021-06-18 v2 机器学习
摘要
如今,地下盐体定位与勾画(亦称盐体语义分割)是最具挑战性的地球物理任务之一。因此,识别大型盐体 notoriously tricky(极为棘手),且对识别油气储层和钻井路径规划至关重要。本工作提出一种基于训练两个生成模型的数据增强方法,以扩充用于盐体语义分割的地震图像数据集中的样本数量。我们的方法使用深度学习模型生成地震图像块及其相应盐体掩码的对,用于数据增强。第一个模型是变分自编码器,负责生成盐体掩码块。第二个是条件归一化流模型,其以生成的掩码为输入并生成关联的地震图像块。我们通过比较十个不同的 SOTA 语义分割模型在由两张合成地震图像构成的数据集中、使用与不使用所生成增强样本训练时的性能来评估所提方法。所提方法在所有比较模型中使 IoU 指标平均提升 8.57%。最佳结果由 DeeplabV3+ 模型的一个变体取得,其在用我们的增强样本训练时 IoU 得分为 95.17%。此外,我们的方案优于六种选定的数据增强方法,且对比中最大 9.77% 的提升通过将我们的 DA 与弹性变换的增强相组合而取得。最后,我们表明所提方法可适应更大的上下文尺寸,取得了与较小上下文尺寸上相当的结果。
引用
@article{arxiv.2106.08269,
title = {Generating Data Augmentation samples for Semantic Segmentation of Salt Bodies in a Synthetic Seismic Image Dataset},
author = {Luis Felipe Henriques and Sérgio Colcher and Ruy Luiz Milidiú and André Bulcão and Pablo Barros},
journal= {arXiv preprint arXiv:2106.08269},
year = {2021}
}