論文の概要: Salt Detection Using Segmentation of Seismic Image

• arxiv url: http://arxiv.org/abs/2203.13721v1
• Date: Fri, 25 Mar 2022 15:45:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-28 15:28:23.708458
• Title: Salt Detection Using Segmentation of Seismic Image
• Title（参考訳）: 地震画像のセグメンテーションを用いた塩検出
• Authors: Mrinmoy Sarkar
• Abstract要約: 最先端の深部畳み込みニューラルネットワーク(DCNN)は、地表下における塩検出のためのセグメント地震画像として提示される。
• 参考スコア（独自算出の注目度）: 1.370633147306388
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: In this project, a state-of-the-art deep convolution neural network (DCNN) is presented to segment seismic images for salt detection below the earth's surface. Detection of salt location is very important for starting mining. Hence, a seismic image is used to detect the exact salt location under the earth's surface. However, precisely detecting the exact location of salt deposits is difficult. Therefore, professional seismic imaging still requires expert human interpretation of salt bodies. This leads to very subjective, highly variable renderings. Hence, to create the most accurate seismic images and 3D renderings, we need a robust algorithm that automatically and accurately identifies if a surface target is a salt or not. Since the performance of DCNN is well-known and well-established for object recognition in images, DCNN is a very good choice for this particular problem and being successfully applied to a dataset of seismic images in which each pixel is labeled as salt or not. The result of this algorithm is promising.
• Abstract（参考訳）: 本研究は, 深層畳み込みニューラルネットワーク(dcnn)を用いて, 地球表面下の塩分検出のための地震像を分割する手法を提案する。 鉱業を始めるには,塩分濃度の検出が重要である。 そのため、地球表面下の塩の正確な位置を検出するために、地震画像が用いられる。 しかし,塩鉱床の正確な位置を正確に検出することは困難である。 それゆえ、プロの地震イメージングはまだ、塩体の専門家による解釈を必要とする。 これは非常に主観的で、非常に可変なレンダリングをもたらす。 したがって、最も正確な地震画像と3dレンダリングを作成するには、表面ターゲットが塩であるかどうかを自動的に正確に識別するロバストなアルゴリズムが必要である。 DCNNの性能は画像の物体認識によく知られ、確立されているので、DCNNは特定の問題に対して非常に良い選択であり、各ピクセルが塩とラベル付けされているかどうかのデータセットに適用できる。 このアルゴリズムの結果は有望である。

関連論文リスト

• Weakly-supervised Camera Localization by Ground-to-satellite Image Registration [52.54992898069471]
  本稿では,地対衛星画像登録のための弱教師付き学習戦略を提案する。 地上画像ごとに正の衛星画像と負の衛星画像を導き出す。 また,クロスビュー画像の相対回転推定のための自己超越戦略を提案する。
  論文  参考訳（メタデータ） (2024-09-10T12:57:16Z)
• Zone Evaluation: Revealing Spatial Bias in Object Detection [69.59295428233844]
  物体検出器の基本的限界は、それらが「空間バイアス」に苦しむことである。 本稿では,ゾーン間の検出性能を計測する新しいゾーン評価プロトコルを提案する。 初めて数値的な結果が得られ、対象検出器はゾーンにわたって非常に不均一に機能することを示した。
  論文  参考訳（メタデータ） (2023-10-20T01:44:49Z)
• Complete identification of complex salt-geometries from inaccurate migrated images using Deep Learning [0.0]
  本稿では,不正確な速度モデルから生成したマイグレーション画像を用いて,塩分包有物の正確な形状を予測することを提案する。 我々のアプローチは、土砂の反射をゼロオフセット周辺に集中させるために、地下のCommon Image Gathersに依存する。 合成データを用いて,ネットワーク出力としてCNNと正しい塩マスクの入力チャネルとして,共通オフセット地下画像を使用するようにU-Netを訓練した。
  論文  参考訳（メタデータ） (2022-04-20T18:00:27Z)
• Accurate 3-DoF Camera Geo-Localization via Ground-to-Satellite Image Matching [102.39635336450262]
  地上で取得したクエリ画像とジオタグ付き衛星画像の大規模データベースとをマッチングすることにより、地上から衛星画像のジオローカライズの問題に対処する。 我々の新しい手法は、衛星画像のピクセルサイズの精度まで、クエリー画像のきめ細かい位置を達成できる。
  論文  参考訳（メタデータ） (2022-03-26T20:10:38Z)
• Superpixel-Based Building Damage Detection from Post-earthquake Very High Resolution Imagery Using Deep Neural Networks [15.761849146985494]
  地震などの自然災害後の被害検知は, 効果的な緊急対応行動の開始に不可欠である。 地震による建築物の損傷を検知するために多くの手法が開発されているが、VHR画像に表されるリッチな特徴を活用することにはほとんど注意が払われていない。 本稿では,Deep Neural Networks(DNN)と修正セグメンテーション手法を組み合わせた,新しい超画素ベースのアプローチを提案する。
  論文  参考訳（メタデータ） (2021-12-09T08:05:02Z)
• GeoCLR: Georeference Contrastive Learning for Efficient Seafloor Image Interpretation [8.837172743444249]
  本稿では,CNNの効率的な学習のためのジオリフレクション・コントラシティブ・ラーニング・オブ・ビジュアル・リ表現(GeoCLR)について述べる。 GeoCLRは、近くで撮影された画像を使って類似した画像ペアを生成し、これらを遠く離れた画像ペアと対比する。 この方法の主な利点は、CNN訓練に人的入力を必要としない自己教師型であることである。 我々はGeoCLRによって生成された潜在表現がどのように人間のアノテーションの取り組みを効率的に導くことができるかを実証する。
  論文  参考訳（メタデータ） (2021-08-13T22:42:34Z)
• Residual Moment Loss for Medical Image Segmentation [56.72261489147506]
  位置情報は,対象物体の多様体構造を捉えた深層学習モデルに有効であることが証明された。 既存のほとんどの手法は、ネットワークが学習するために、位置情報を暗黙的にエンコードする。 セグメント化対象の位置情報を明示的に埋め込むために,新しい損失関数,すなわち残差モーメント(RM)損失を提案する。
  論文  参考訳（メタデータ） (2021-06-27T09:31:49Z)
• Low-Rank Subspaces in GANs [101.48350547067628]
  この研究は、GAN生成をより正確に制御できる低ランクな部分空間を導入している。 LowRankGAN は属性多様体の低次元表現を見つけることができる。 さまざまなデータセットでトレーニングされた最先端のGANモデル(StyleGAN2やBigGANなど)の実験は、私たちのLowRankGANの有効性を示しています。
  論文  参考訳（メタデータ） (2021-06-08T16:16:32Z)
• Scale Normalized Image Pyramids with AutoFocus for Object Detection [75.71320993452372]
  スケール正規化画像ピラミッド(SNIP)が生成され、人間の視覚と同様に、異なるスケールで固定されたサイズ範囲内のオブジェクトにのみ参加する。 本研究では,オブジェクトを含む可能性のある固定サイズのサブリージョンのみで動作する,効率的な空間サブサンプリング手法を提案する。 結果のアルゴリズムはAutoFocusと呼ばれ、SNIPを使用する場合の推論では2.5～5倍のスピードアップとなる。
  論文  参考訳（メタデータ） (2021-02-10T18:57:53Z)
• DFPENet-geology: A Deep Learning Framework for High Precision Recognition and Segmentation of Co-seismic Landslides [7.927831418004974]
  本稿では,Dense-Decoder Network (DFPENet) を用いたロバストモデル Dense Feature Pyramid を開発した。 DFPENetモデルから抽出した画像特徴,地質学的特徴,時間分解能,地すべりの空間解析,移動学習を統合した共地震地すべり認識手法を提案する。
  論文  参考訳（メタデータ） (2019-08-28T19:07:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。