利用潜空间分解对地震图像进行自监督标注
图像与视频处理
2020-09-29 v2 机器学习
摘要
地震标注数据昂贵、费力且主观，因为地震解译人员需多年才能熟练掌握解译。本文中，我们开发了一个框架，在给定每幅图像的图像级标签条件下，自动标注地震图像的像素以勾画地质结构要素。我们的框架通过将深度编码器-解码器网络的潜空间投影到学习到的子空间来分解该潜空间。利用像素空间中的约束，进一步分解地震图像以揭示与感兴趣地质要素相关像素的置信度值。我们提供了标注图像的细节用于分析，并与类似框架进行了定性比较。
引用
@article{arxiv.2009.04631,
title = {Self-Supervised Annotation of Seismic Images using Latent Space Factorization},
author = {Oluwaseun Joseph Aribido and Ghassan AlRegib and Mohamed Deriche},
journal= {arXiv preprint arXiv:2009.04631},
year = {2020}
}