論文の概要: Explainable Artificial Intelligence driven mask design for
self-supervised seismic denoising
- arxiv url: http://arxiv.org/abs/2307.06682v1
- Date: Thu, 13 Jul 2023 11:02:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-14 14:57:34.974218
- Title: Explainable Artificial Intelligence driven mask design for
self-supervised seismic denoising
- Title（参考訳）: 自律型地震観測のための説明可能な人工知能駆動マスクの設計
- Authors: Claire Birnie and Matteo Ravasi
- Abstract要約: 自己教師付きコヒーレントノイズ抑圧法は、ノイズ統計の広範な知識を必要とする。
本稿では,視覚ネットワークであるブラックボックスの内部を見るために,説明可能な人工知能アプローチを提案する。
ランダムに選択された多数の入力画素に対するジャコビアン寄与の簡易な平均化が、最も効果的なマスクの指標であることを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The presence of coherent noise in seismic data leads to errors and
uncertainties, and as such it is paramount to suppress noise as early and
efficiently as possible. Self-supervised denoising circumvents the common
requirement of deep learning procedures of having noisy-clean training pairs.
However, self-supervised coherent noise suppression methods require extensive
knowledge of the noise statistics. We propose the use of explainable artificial
intelligence approaches to see inside the black box that is the denoising
network and use the gained knowledge to replace the need for any prior
knowledge of the noise itself. This is achieved in practice by leveraging
bias-free networks and the direct linear link between input and output provided
by the associated Jacobian matrix; we show that a simple averaging of the
Jacobian contributions over a number of randomly selected input pixels,
provides an indication of the most effective mask to suppress noise present in
the data. The proposed method therefore becomes a fully automated denoising
procedure requiring no clean training labels or prior knowledge. Realistic
synthetic examples with noise signals of varying complexities, ranging from
simple time-correlated noise to complex pseudo rig noise propagating at the
velocity of the ocean, are used to validate the proposed approach. Its
automated nature is highlighted further by an application to two field
datasets. Without any substantial pre-processing or any knowledge of the
acquisition environment, the automatically identified blind-masks are shown to
perform well in suppressing both trace-wise noise in common shot gathers from
the Volve marine dataset and colored noise in post stack seismic images from a
land seismic survey.
- Abstract（参考訳）: 地震データにおけるコヒーレントノイズの存在は誤差や不確実性をもたらし、ノイズをできるだけ早く効率的に抑制することが最重要となる。
自己指導型聴覚認知は、ノイズとクリーンのトレーニングペアを持つ深層学習手順の共通要件を回避する。
しかし、自己教師付きコヒーレントノイズ抑圧法は、ノイズ統計の広範な知識を必要とする。
本稿では,ノイズ発生ネットワークであるブラックボックスの内部に説明可能な人工知能アプローチを導入し,得られた知識を用いて,ノイズ自体の事前知識の必要性を代替する手法を提案する。
これはバイアスフリーネットワークと関連するヤコビ行列による入力と出力の直接線形リンクを利用して実現されており、複数のランダムに選択された入力画素に対するヤコビ行列の寄与の平均化が簡単なことを示し、データに存在するノイズを抑制するために最も効果的なマスクの表示を提供する。
提案手法は,クリーンなトレーニングラベルや事前知識を必要とせず,完全に自動化された復調手順となる。
簡単な時間相関ノイズから,海洋の速度で伝搬する複雑な擬似リグノイズまで,様々な複雑な雑音信号を用いた実例を用いて,提案手法の有効性を検証する。
自動化された性質は、2つのフィールドデータセットへのアプリケーションによってさらに強調される。
自動同定されたブラインドマスクは, 実際の事前処理や取得環境の知識がなければ, ボルブ海洋データセットから収集した共通ショットにおけるトレースワイドノイズと, 陸上地震探査から得られたポストスタック地震画像からの着色ノイズの両方を抑制できることを示した。
関連論文リスト
- SoftPatch: Unsupervised Anomaly Detection with Noisy Data [67.38948127630644]
本稿では,画像センサ異常検出におけるラベルレベルのノイズを初めて考察する。
本稿では,メモリベースの非教師付きAD手法であるSoftPatchを提案する。
既存の手法と比較して、SoftPatchは通常のデータの強力なモデリング能力を維持し、コアセットにおける過信問題を軽減する。
論文 参考訳（メタデータ） (2024-03-21T08:49:34Z) - Transfer learning for self-supervised, blind-spot seismic denoising [0.0]
本研究では、関心のフィールドデータセットに自己教師付きで微調整を行う前に、フリグリ生成された合成データセット上でネットワークを初期的に教師付きで訓練することを提案する。
ピーク信号-雑音比の変化やノイズの低減,信号漏れの観測などを考慮すると,教師付きベーストレーニングによる重み付けによる自己教師ネットワークの初期化のメリットは明らかである。
論文 参考訳（メタデータ） (2022-09-25T12:58:10Z) - Removing Noise from Extracellular Neural Recordings Using Fully
Convolutional Denoising Autoencoders [62.997667081978825]
ノイズの多いマルチチャネル入力からクリーンなニューロン活動信号を生成することを学習する完全畳み込みデノイングオートエンコーダを提案する。
シミュレーションデータを用いた実験結果から,提案手法はノイズ崩壊型ニューラルネットワークの品質を大幅に向上させることができることがわかった。
論文 参考訳（メタデータ） (2021-09-18T14:51:24Z) - The potential of self-supervised networks for random noise suppression
in seismic data [0.0]
ブラインド・スポット・ネットワークは地震データにおけるランダムノイズの効率的な抑制効果を示す。
結果は、FXデコンボリューションとCurvelet変換という2つの一般的なランダムな復調手法と比較される。
これは、地震の応用における自己教師あり学習の活用の始まりにすぎないと我々は信じている。
論文 参考訳（メタデータ） (2021-09-15T14:57:43Z) - Joint self-supervised blind denoising and noise estimation [0.0]
2つのニューラルネットワークが共同でクリーンシグナルを予測し、ノイズ分布を推定する。
本モデルがノイズ分布を効率的に捉える合成ノイズデータを用いた実証実験を行います。
論文 参考訳（メタデータ） (2021-02-16T08:37:47Z) - Tackling Instance-Dependent Label Noise via a Universal Probabilistic
Model [80.91927573604438]
本稿では,ノイズラベルをインスタンスに明示的に関連付ける,単純かつ普遍的な確率モデルを提案する。
合成および実世界のラベルノイズを用いたデータセット実験により,提案手法がロバスト性に大きな改善をもたらすことを確認した。
論文 参考訳（メタデータ） (2021-01-14T05:43:51Z) - Noise2Kernel: Adaptive Self-Supervised Blind Denoising using a Dilated
Convolutional Kernel Architecture [3.796436257221662]
本研究では,不変性を満たす拡張畳み込みネットワークを提案し,ランダムマスキングを使わずに効率的なカーネルベーストレーニングを実現する。
また,ゼロ平均制約を回避し,塩とペッパーまたはハイブリッドノイズの除去に有効である適応型自己超過損失を提案する。
論文 参考訳（メタデータ） (2020-12-07T12:13:17Z) - Adaptive noise imitation for image denoising [58.21456707617451]
本研究では,自然雑音画像からノイズデータを合成できる新しいテキストバッファ適応ノイズ模倣(ADANI)アルゴリズムを開発した。
現実的なノイズを生成するため、ノイズ発生装置はノイズ発生のガイドとなる雑音/クリーン画像を入力として利用する。
ADANIから出力されるノイズデータとそれに対応する基盤構造とを結合すると、デノイングCNNは、完全に教師された方法で訓練される。
論文 参考訳（メタデータ） (2020-11-30T02:49:36Z) - Dual Adversarial Network: Toward Real-world Noise Removal and Noise
Generation [52.75909685172843]
実世界の画像ノイズ除去は、コンピュータビジョンにおける長年の課題である。
本稿では,ノイズ除去およびノイズ発生タスクに対処する新しい統合フレームワークを提案する。
本手法はクリーンノイズ画像対の連成分布を学習する。
論文 参考訳（メタデータ） (2020-07-12T09:16:06Z) - Learning Model-Blind Temporal Denoisers without Ground Truths [46.778450578529814]
合成データで訓練されたデノイザーは、未知のノイズの多様性に対処できないことが多い。
従来の画像ベース手法は、ビデオデノイザに直接適用した場合、ノイズが過度に収まる。
本稿では,これらの課題に対処する上で有効な,ビデオ・デノベーション・ネットワークの汎用フレームワークを提案する。
論文 参考訳（メタデータ） (2020-07-07T07:19:48Z)
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。