Man-recon：面向智能地震解释的流形学习与深度自编码器重建方法
机器学习
2022-12-16 v1 图像与视频处理
摘要
如果有足够数量的标注训练数据，深度学习可以提取丰富的数据表示。然而，对于许多任务而言，由于需要高水平的专业知识（例如医学和地球物理图像解释任务），标注数据在时间和金钱方面代价高昂。主动学习可以识别最具信息量的训练样本供解释者训练，从而提高效率。我们提出了一种基于联合学习有监督和无监督任务表示的主动学习方法。随后利用学习到的流形结构，从无监督任务的误差分布中识别与所学流形最不相似的信息性训练样本。我们在来自荷兰 F3 区块勘测的地震相分割数据集上验证了所提方法的效率，其显著优于现有方法，取得了 0.773 的最高平均交并比（Intersection-Over-Union）值。
引用
@article{arxiv.2212.07568,
title = {Man-recon: manifold learning for reconstruction with deep autoencoder for smart seismic interpretation},
author = {Ahmad Mustafa and Ghassan AlRegib},
journal= {arXiv preprint arXiv:2212.07568},
year = {2022}
}