PetroGAN：一种基于 GAN 生成逼真无标签岩石学数据集的新方法
计算机视觉与模式识别
2022-04-12 v1 机器学习
图像与视频处理
摘要
深度学习架构丰富了地球科学中的数据分析，补充了解决地质问题的传统方法。尽管地球科学中的深度学习应用展现出令人鼓舞的迹象，其实际潜力仍未被充分挖掘。这主要是因为地质数据集，尤其是岩石学数据，获取有限、耗时且昂贵，需要深入专业知识才能提供高质量的标注数据集。我们通过开发一种基于生成对抗网络（GANs）的新型深度学习框架来应对这些问题，以创建首个逼真的合成岩石学数据集。我们选用 StyleGAN2 架构，以稳健地复现统计与美学特征，并改善岩石学数据的内部方差。训练数据集包含 10070 张岩石薄片的平面偏振光与正交偏振光图像。该算法训练了 264 GPU 小时，在岩石学图像上达到了最先进的 Fréchet Inception Distance（FID）分数 12.49。我们进一步观察到 FID 值随岩性类型和图像分辨率变化。我们的调研确定，领域专家发现生成图像与真实图像难以区分。本研究强调，GANs 是生成逼真合成数据、探索潜空间以及作为未来自标注工具以减少创建地质数据集工作量的强有力方法。
引用
@article{arxiv.2204.05114,
title = {PetroGAN: A novel GAN-based approach to generate realistic, label-free petrographic datasets},
author = {I. Ferreira and L. Ochoa and A. Koeshidayatullah},
journal= {arXiv preprint arXiv:2204.05114},
year = {2022}
}