基于深度学习自动通道检测方法研究与应用.pdfVIP

table{边框‑折叠:塌陷;}table,th,td{边框:1px实线#000;}

基于深度学习的自动通道检测

NamPham*，SergeyFomel和DallasDunlap，德克萨斯大学奥斯汀分校

了一种基于编‑器卷积神经网络的自动通道检测方法。我们使用了从计

算机视觉领域借鉴的SegNet和贝叶斯SegNet架构。我们在一个3D合成数据集上训练网

络，然后将其应用于现场数据。我们在澳大利亚近海Browse盆地的一个3D现场数据集上

测试了该方法。将从3D合成数据集中训练得到的权重应用于3D现场数据集，能够准确识

别通道地，无需对属性进行任何人工解释。

引言

河道是重要的地质特征，对烃类勘探至关重要。然而，图像中河道的手动解释是

一个耗时且的过程。为了帮助中的河道检测，已经提出了多种方法，如使用

相干属性、甜度属性和可转向金字塔（Wu,2017；Hart,2008；Mathewson和

Hale,2008）。

相干性和其他边缘检法，如Sobel滤波器，可以用于突出河道边界（Wu,2017；

Kington,2015；Phillips和Fom