[發明專利]一種基于深度學習語義邊界增強的鹽體識別方法

在審

• 申請號: 201910552738.1
• 申請日: 2019-06-25
• 公開（公告）號: CN110276402A
• 公開（公告）日: 2019-09-24
• 發明（設計）人: 劉博;趙業隆
• 申請（專利權）人: 北京工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 沈波

1.一種基于深度學習語義邊界增強的鹽體識別方法，其特征在于：該方法包括如下步驟，

步驟1、收集地質鹽層的地震圖像數據集，并對地震圖像數據集中的數據進行清洗；

步驟2、將地震圖像數據集隨機劃分為訓練集和測試集，進行數據增強處理，并提取對應的語義邊界，最后使用ImageNet數據集的方差與均值進行正則化處理；

步驟3、構建模型，編碼器使用預訓練好的ResNet50，語義圖像提取網絡為添加UNet的解碼器結構，語義邊界提取網絡為邊界增強模塊的棧式堆疊；

步驟4、對步驟3構建的模型使用Adam優化算法進行訓練，訓練結束后，選擇在測試集上語義分割結果最為精確的模型作為結果；步驟3具體包括以下步驟：

步驟3.1、使用在ImageNet數據集上訓練好的ResNet50作為模型編碼器，并且替換ResNet50中最后的全局平均池化層以及全連接層為1×1的卷積層；

步驟3.2、構建語義圖像提取網絡的解碼器，使用UNet的解碼器結構作為主體結構，并將模型編碼器的輸出輸入其中；UNet能夠綜合利用高層級以及低層級的語義信息，以獲得更加精細準確的分割結果；

步驟3.3、為每個UNet解碼器模塊中加入scSE注意力模塊以及殘差模塊，以篩選并加強其中更為有用的語義信息；

步驟3.4、構建語義邊界提取網絡，并將模型編碼器的輸出輸入其中；邊界增強模塊將輸入的特征圖按通道方向分為4組分別進行卷積，并且每組卷積層的個數均不相同，以獲得更加多尺度的感受野，更加利于邊界的提取；將各個階段解碼器的輸出進行上采樣到同一尺度后相加，將和的結果作為最終語義邊界提取網絡的輸出；

步驟3.5、將每個邊界增強模塊提取出的特征輸入到語義圖像提取解碼器的歸一化層中，用于生產歸一化層中的γ和β，讓邊界信息指導模型提取語義信息。

2.根據權利要求1所述的一種基于深度學習語義邊界增強的鹽體識別方法，其特征在于：步驟2采取以下步驟：

步驟2.1、將地震圖像數據集隨機劃分為訓練集和測試集；

步驟2.2、對數據進行形態上增強，對地震圖像及對應的標注掩碼進行鏡像翻轉即左右翻轉；

步驟2.3、對于訓練集上的數據，將地震圖像以及對應的掩碼隨機放大到200至300之間，然后隨機裁剪到256的大小，使用邊緣像素補齊平移產生的地震圖像區域；

步驟2.4、對進行過數據增強處理的掩碼圖使用Canny算子進行語義邊界提取，加入訓練集與測試集，用于監督ResNet50、語義圖像提取網絡、語義邊界提取網絡的訓練；步驟2.5、為地震圖像隨機添加大小在-10至10之間的亮度變化，隨機改變圖像的對比度為原來0.8倍至1.2倍、并添加服從標準正態分布的高斯噪音；

步驟2.6、使用ImageNet數據集的方差與均值對地震圖像進行正則化處理。