[論文レビュー] Semantic Segmentation of Seismic Images

Daniel Civitarese, Daniela Szwarcman+2 more|arXiv (Cornell University)|May 10, 2019

Seismic Imaging and Inversion Techniques参考文献 19被引用数 22

ひとこと要約

本論文は、エンコーダーとデコーダーの構造を鏡像的に対称にするために、ドレインド畳み込みを置き換えることで、特徴マップのアップスケーリングをエンドツーエンドで行える転置残差ユニットを用いた、セマンティックセグメンテーションのための新規ディープラーニングアーキテクチャ、Danet-FCNを提案する。Penobscot 3Dデータセットを用いて少量のラベル付きデータで訓練した結果、平均交差率（mIOU）が99%を超える高い性能を達成し、特にデータが少ない状況下でもU-Net や FCN ベースのモデルを上回る。

ABSTRACT

Almost all work to understand Earth's subsurface on a large scale relies on the interpretation of seismic surveys by experts who segment the survey (usually a cube) into layers; a process that is very time demanding. In this paper, we present a new deep neural network architecture specially designed to semantically segment seismic images with a minimal amount of training data. To achieve this, we make use of a transposed residual unit that replaces the traditional dilated convolution for the decode block. Also, instead of using a predefined shape for up-scaling, our network learns all the steps to upscale the features from the encoder. We train our neural network using the Penobscot 3D dataset; a real seismic dataset acquired offshore Nova Scotia, Canada. We compare our approach with two well-known deep neural network topologies: Fully Convolutional Network and U-Net. In our experiments, we show that our approach can achieve more than 99 percent of the mean intersection over union (mIOU) metric, outperforming the existing topologies. Moreover, our qualitative results show that the obtained model can produce masks very close to human interpretation with very little discontinuity.

研究の動機と目的

• 時間的に高コストな手動による地震ホライソンセグメンテーションの課題を解決するため、ディープラーニングを用いたセマンティックセグメンテーションの自動化を目的とする。
• 少なくとも5枚のトレーニングスライスでさえも有効に機能するモデルを設計することで、大量のアノテート済み地震データに依存するのを減らす。
• 標準的な画像セグメンテーションモデルとは異なる、地震画像固有の特徴に特化したニューラルネットワークアーキテクチャの開発を目的とする。
• 性能と効率性を検証するため、U-Net や FCN といった既存のアーキテクチャと比較する。
• 入力サイズとトレーニングデータ量がモデルの汎化性能と耐障害性に与える影響を調査する。

提案手法

• デコーダーブロックにおけるドレインド畳み込みを置き換えることで、エンコーダーと対称的な構造を持つ転置残差ユニットを導入する。
• 固定サイズのアップスケーリングを学習可能なエンドツーエンドの特徴アップスケーリング演算に置き換えることで、特徴再構築を向上させる。
• 空間的詳細を保持し、学習を容易にするためにスキップ接続を備えた深層残差ネットワークを設計する。
• Penobscot 3D 地震データセットを用いてモデルを訓練し、データオーグメンテーションとトランスファー学習の技術を適用する。
• 高いセグメンテーション精度を維持しつつ、パrameter数と計算量を最小限に抑える最適化を実施する。
• さまざまなトレーニングデータサイズと入力タイルサイズを想定し、主評価指標として平均交差率（mIOU）を用いる。

実験結果

リサーチクエスチョン

• RQ1 標準的なFCNやU-Netモデルと比較して、カスタム設計されたディープニューラルネットワークアーキテクチャが地震画像におけるセマンティックセグメンテーション性能を優れて達成できるか？
• RQ2 たとえ5枚の地震スライスしかラベル付きでない極めて限られたデータで学習させた場合でも、提案モデルはどの程度の性能を示すか？
• RQ3 転置残差ユニットの使用が、地震画像タスクにおける特徴再構築とセグメンテーション精度を向上させるか？
• RQ4 入力サイズとトレーニング例数の変化が、モデルの汎化性能とmIOU性能に与える影響は何か？
• RQ5 U-Net は他の分野では成功を収めているが、なぜこの特定の地震セグメンテーション設定では収束しなかったのか？

主な発見

• Danet-FCN3 は、80×120 のタイルサイズで100スライスのトレーニングデータセットを用いた場合、平均交差率（mIOU）が 0.995 を達成し、すべてのベースラインを上回った。
• わずか5枚のトレーニングスライスでも、Danet-FCN3 は mIOU 0.896 を維持し、極めて少ないデータ条件下でも優れた汎化性能を示した。
• Danet-FCN はパrameter数が446万、計算量が32億回の演算であり、U-Net よりもはるかにパrameter数と計算量が少ない。
• U-Net はトレーニング中に収束せず、損失関数が安定化しなかったため、現在の地震データセットの設定とはアーキテクチャ的に不適合であると考えられる。
• クラス別IOU値から、クラス1、3、5 がデータ不足の影響を最も強く受けていたが、すべてのクラスが低データ環境下でもIOU > 80% を維持していた。
• 定性的な結果から、予測マスクが人手によるアノテーションマスクに非常に近く、不連続性が少なく、構造的整合性が高いことが確認された。