傳統(tǒng)初至拾取方法拾取效果和效率不能兼顧、算法穩(wěn)定性差、工業(yè)化應(yīng)用成熟度不高;基于深度學(xué)習(xí)的初至拾取方法制作標(biāo)簽耗時(shí)費(fèi)力、數(shù)據(jù)預(yù)處理過(guò)程繁瑣、網(wǎng)絡(luò)結(jié)構(gòu)過(guò)于復(fù)雜,導(dǎo)致訓(xùn)練和測(cè)試效率較低。為此,將U-Net與SegNet深度學(xué)習(xí)網(wǎng)絡(luò)的優(yōu)點(diǎn)相結(jié)合,構(gòu)建新的混合網(wǎng)絡(luò)U-SegNet,并基于U-SegNet自動(dòng)拾取初至。U-SegNet以SegNet結(jié)構(gòu)為基礎(chǔ),通過(guò)在解碼器網(wǎng)絡(luò)的反卷積層之前融合跳躍連接信息,提供編碼器網(wǎng)絡(luò)的多尺度信息,以獲得更好的性能,并且其上采樣操作將U-Net中的反卷積改為反池化,池化索引被傳遞到上采樣層,網(wǎng)絡(luò)模型收斂更快。因此,U-SegNet網(wǎng)絡(luò)結(jié)構(gòu)更利于分割背景噪聲區(qū)域和含噪信號(hào)區(qū)域,從而提高初至拾取精度。基于U-SegNet的初至自動(dòng)拾取流程包括制作訓(xùn)練數(shù)據(jù)集、設(shè)計(jì)網(wǎng)絡(luò)模型、訓(xùn)練網(wǎng)絡(luò)模型、測(cè)試網(wǎng)絡(luò)模型和實(shí)際資料應(yīng)用。測(cè)試和應(yīng)用結(jié)果表明,所提方法的初至拾取效率約為某商業(yè)軟件的2.2倍,且易于工業(yè)化應(yīng)用,具有良好的發(fā)展前景。

【文章頁(yè)數(shù)】：16 頁(yè)

【文章目錄】：
0 引言
1 基本原理
2 方法流程
    2.1 制作訓(xùn)練數(shù)據(jù)集
    2.2 設(shè)計(jì)網(wǎng)絡(luò)模型
    2.3 訓(xùn)練網(wǎng)絡(luò)模型
    2.4 測(cè)試網(wǎng)絡(luò)模型
    2.5 實(shí)際資料應(yīng)用
3 結(jié)論



本文編號(hào)：3763557