提出一种基于图像分割的盐丘识别方法实现自动化、高精度地识别盐丘。该方法在原始U-Net网络基础上进行迁移学习, 加载预训练模型的SENet用作编码器的主干网络, 对地震图像中的盐丘特征进行增强, 突出图像中的重要特征, 抑制不重要的特征。针对盐丘分割任务特点, 引入Lovasz-Softmax损失函数进行标准化实验, 提升对盐丘边界的分割效果。在TGS盐体识别挑战赛提供数据集上的实验结果表明: 该方法最终在测试集上取得了97.5%的准确率和87.26%的交并比, 与UNet、USKNet相比交并比分别提升了12.59个百分点和1.6个百分点。
