卷积神经网络在计算机视觉领域取得重大突破,利用其强大的图像处理能力,将地下沉积盐体的识别问题转化为图像语义分割问题,应用深度卷积神经网络实现盐体地震图像的像素级语义分割.本文在U-Net基础上,增加网络深度并同时引入批归一化和Dropout处理,使得神经网络模型具有更高的可信度和更强的泛化能力.通过实验发现,在卷积层之后引入批归一化处理,并在池化层和叠加层之后引入Dropout可以稳定提升模型对盐体图像的分割性能.
科研之友
微信
新浪微博
Facebook
分享链接
