|
|
基于U-Net的盐体识别方法
卢新瑞, 黄捍东, 李帅, 尹龙
计算物理
2020, 37 (3):
327-334.
DOI: 10.19596/j.cnki.1001-246x.8044
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.
参考文献 |
相关文章 |
多维度评价
|
|
