[论文解读] Penobscot Dataset: Fostering Machine Learning Development for Seismic Interpretation

Laís Baroni, Reinaldo Mozart Da Gama e Silva+4 more|arXiv (Cornell University)|Mar 21, 2019

Seismic Imaging and Inversion Techniques参考文献 23被引用 10

一句话总结

本文介绍了Penobscot解释数据集，这是一个公开可用的资源，包含来自加拿大斯科蒂亚盆地3D地震调查的超过10万个标注地震图像块，涵盖7个解释层。该数据集可支持深度学习模型在地震相分类与分割任务中的训练与基准测试，实验中分类准确率最高达97%，交并比（IoU）达97%。

ABSTRACT

We have seen in the past years the flourishing of machine and deep learning algorithms in several applications such as image classification and segmentation, object detection and recognition, among many others. This was only possible, in part, because datasets like ImageNet -- with +14 million labeled images -- were created and made publicly available, providing researches with a common ground to compare their advances and extend the state-of-the-art. Although we have seen an increasing interest in machine learning in geosciences as well, we will only be able to achieve a significant impact in our community if we collaborate to build such a common basis. This is even more difficult when it comes to the Oil&Gas industry, in which confidentiality and commercial interests often hinder the sharing of datasets with others. In this letter, we present the Penobscot interpretation dataset, our contribution to the development of machine learning in geosciences, more specifically in seismic interpretation. The Penobscot 3D seismic dataset was acquired in the Scotian shelf, offshore Nova Scotia, Canada. The data is publicly available and comprises pre- and pos-stack data, 5 horizons and well logs of 2 wells. However, for the dataset to be of practical use for our tasks, we had to reinterpret the seismic, generating 7 horizons separating different seismic facies intervals. The interpreted horizons were used to generated +100,000 labeled images for inlines and crosslines. To demonstrate the utility of our dataset, results of two experiments are presented.

研究动机与目标

• 解决机器学习研究中缺乏公开可用、大规模标注的地震解释数据集的问题。
• 通过提供标准化数据集，推动地震相分类与分割任务中可复现的研究进展与基准测试。
• 克服油气行业中因保密与商业限制导致的数据共享障碍。
• 支持利用真实世界高分辨率地震数据开发深度学习模型，实现自动化地震解释。
• 为未来地震机器学习研究（包括迁移学习、聚类与检索）奠定基础。

提出的方法

• 从公开领域获取Penobscot 3D地震数据集，包含叠加前与叠加后数据、5个原始层以及2口井的测井数据。
• 重新解释地震数据，生成7个新层，用于定义不同的地震相区间。
• 将地震剖面（纵剖面与横剖面）分割为10万个以上的图像块（训练集75,810个，测试集28,000个），每个图像块标注为7种相类型之一。
• 采用数据平衡策略，确保各类别在数据集中表示均衡，提升训练稳定性与模型泛化能力。
• 使用深度神经网络对图像块进行分类（图像块级别）与语义分割（像素级别）任务，基于标注图像块进行训练。
• 在分割任务中应用迁移学习与模型微调技术，采用适配密集预测任务的分类主干网络。

实验结果

研究问题

• RQ1 大规模、公开可用且标注良好的地震数据集是否能加速机器学习在地震解释研究中的进展？
• RQ2 在Penobscot数据集上训练的深度学习模型在地震相分类与分割任务中能达到多高的准确率？
• RQ3 训练样本数量如何影响深度学习模型在地震相任务中的收敛速度与性能表现？
• RQ4 所提出的数据集是否不仅能支持分类任务，还能支持更复杂的任务，如语义分割与迁移学习？
• RQ5 类别不平衡与数据增强策略对地震相预测模型性能有何影响？

主要发现

• Penobscot解释数据集包含超过10万个来自601条纵剖面与481条横剖面的标注地震图像块，涵盖7种不同的地震相类型。
• 使用25条纵剖面图像块，仅用4分钟即实现89%的分类准确率；使用276条图像块训练30分钟后，准确率提升至97%。
• 基于该数据集训练的语义分割模型交并比（IoU）超过97%，表明其在预测相边界方面具有极高的空间精度。
• 模型输出结果在视觉上无明显不连续性，且与人工解释的层位高度一致，经由预测掩码的可视化检查得到验证。
• 该数据集支持多种应用场景，不仅限于分类与分割，还可用于聚类、检索与迁移学习。
• 该数据集为公开资源，已在多个研究中成功应用，验证了其在地震机器学习研究中的实用性与可复现性。