[论文解读] 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 22

一句话总结

本文提出了一种用于地震图像语义分割的新型深度学习架构 Danet-FCN，采用转置残差单元替代解码器中的空洞卷积，实现端到端的特征上采样。在 Penobscot 3D 数据集上仅使用少量标注数据进行训练，mIOU 超过 99%，优于 U-Net 和基于 FCN 的模型，尤其在低数据场景下表现更优。

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.

研究动机与目标

• 通过深度学习自动化语义分割，解决地震层位人工勾绘耗时过长的挑战。
• 通过设计在仅 5 个训练切片下仍具有效性的模型，降低对大量标注地震数据的依赖。
• 开发一种专为地震图像特征量身定制的神经网络架构，区别于标准图像分割模型。
• 将所提模型与 U-Net 和 FCN 等成熟架构进行对比，验证其性能与效率。
• 研究输入尺寸和训练数据量对模型泛化能力与鲁棒性的影响。

提出的方法

• 引入一种转置残差单元，替代解码器模块中的空洞卷积，实现与编码器的‘镜像结构’。
• 将固定尺寸的上采样替换为可学习的、端到端的特征上采样操作，以提升特征重建质量。
• 设计深层残差网络并引入跳跃连接，以保留空间细节并促进训练。
• 使用 Penobscot 3D 地震数据集进行模型训练，应用数据增强和迁移学习技术。
• 在保持高分割精度的同时，优化模型的参数量与计算效率。
• 采用平均交并比（mIOU）作为主要评估指标，覆盖不同训练数据量和输入图像块尺寸的场景。

实验结果

研究问题

• RQ1 与标准的 FCN 和 U-Net 模型相比，定制的深度神经网络架构是否能在地震图像上实现更优的语义分割性能？
• RQ2 当模型仅在极少量标注数据（如仅 5 个地震切片）下进行训练时，其性能表现如何？
• RQ3 使用转置残差单元是否能提升地震图像任务中的特征重建质量与分割精度？
• RQ4 输入尺寸和训练样本数量如何影响模型的泛化能力与 mIOU 性能？
• RQ5 为何 U-Net 在此特定地震分割设置中无法收敛，尽管其在其他领域表现优异？

主要发现

• Danet-FCN3 模型在 100 个切片的训练集（80×120 尺寸图像块）上达到 0.995 的 mIOU，优于所有基线模型。
• 即使仅使用 5 个训练切片，Danet-FCN3 仍保持 0.896 的 mIOU，表明其在低数据条件下具备强大的泛化能力。
• Danet-FCN 模型仅含 446 万个参数和 32 亿次计算操作，显著优于 U-Net 的参数量与计算复杂度。
• U-Net 在训练过程中未能收敛，损失函数未稳定，表明其架构与当前地震数据设置存在不兼容性。
• 类别特定的 IOU 值显示，类别 1、3 和 5 受数据稀缺影响最大，但在低数据场景下所有类别 IOU 均保持在 80% 以上。
• 定性结果表明，预测的掩码在视觉上与人工标注结果高度接近，无明显不连续性，结构保真度高。