利用带注意力层的卷积神经网络从地震振幅中高分辨率检测地球结构异质性
计算机视觉与模式识别
2024-04-17 v1 人工智能
摘要
地球结构异质性在石油经济的勘探和开发项目中具有显著作用。当考虑深度神经网络等现代机器学习技术时，自动检测详细的结构异质性具有挑战性。通常，这些技术可以作为辅助解释此类异质性的优秀工具，但严重依赖于训练数据量。我们提出了一种高效且成本低廉的架构，用于检测地震结构异质性，该架构结合了卷积神经网络（CNN）和注意力层。注意力机制降低了成本并提高了准确性，即使在数据相对含噪的情况下也是如此。我们的模型参数数量仅为现有最佳方法的一半，并且在交并比（IoU）上比先前方法提高了0.6%，在精确率上提高了0.4%。通过利用合成数据，我们应用迁移学习来训练和微调模型，解决了标注数据可用性有限的挑战。
引用
@article{arxiv.2404.10170,
title = {High-Resolution Detection of Earth Structural Heterogeneities from Seismic Amplitudes using Convolutional Neural Networks with Attention layers},
author = {Luiz Schirmer and Guilherme Schardong and Vinícius da Silva and Rogério Santos and Hélio Lopes},
journal= {arXiv preprint arXiv:2404.10170},
year = {2024}
}