文献

J-GLOBAL ID：202002240110544575   整理番号：20A0826970

3D畳込みニューラルネットワークに基づくポストスタック地震データ雑音除去【JST・京大機械翻訳】

Poststack Seismic Data Denoising Based on 3-D Convolutional Neural Network

著者 (6件)： Liu Dawei (School of Information and Communication Engineering, Xi’an Jiaotong University, Xi’an, China) ,  Wang Wei (InvestBrain, Shanghai, DataYes, China) ,  Wang Xiaokai (School of Information and Communication Engineering, Xi’an Jiaotong University, Xi’an, China) ,  Wang Cheng (Exploration and Development Research Institute, Daqing Oilfield Company, Ltd., Daqing, China) ,  Pei Jiangyun (Exploration and Development Research Institute, Daqing Oilfield Company, Ltd., Daqing, China) ,  Chen Wenchao (Exploration and Development Research Institute, Daqing Oilfield Company, Ltd., Daqing, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 58  号： 3  ページ： 1598-1629  発行年： 2020年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 深い学習を画像雑音除去に適用することに成功した。本研究では,ネットワークアーキテクチャと訓練サンプルの観点から,スタック後の地震データにおけるランダム雑音を抑制するために,深い学習を用いることにより,一つのステップを提案した。一方,ポストスタック地震データのノイズ除去は主に3-D地震データを目的としている。ポストスタック地震データの3D空間構造の特徴をより良く抽出するために,入力として生の3Dキューブを取る,エンドツーエンド3D雑音除去畳込みニューラルネットワーク(3D-DnCNN)を設計した。他方,深い学習による雑音除去画像は,訓練のための雑音のあるクリーンなサンプル対を必要とする。地震データ処理の分野において,研究者は通常,異なる方法を組み合わせた複雑なプロセスを用いることにより,騒音を抑制するのに最良であるが,地震データのクリーンなラベルは利用できない。さらに,現場地震データにおける建築訓練試料は興味深いが挑戦的な問題になっている。そこで,比較的理想的な訓練サンプルを生成するための複雑なワークフローを含む訓練サンプル選択法を提案した。本研究における実験は,深い学習が選択したサンプルから現場地震データをノイズ除去する能力を直接学ぶことができることを実証した。訓練試料の構築は複雑な過程を通して起こる可能性があるが,合成地震データと現場地震データの実験結果は,3D-DnCNNが異なる訓練試料からGauss雑音と超Gauss雑音を抑制する能力を学習したことを示した。さらに,3-DnCNNネットワークは,アーク状画像ノイズに対してより良いノイズ除去性能を有した。さらに,訓練速度を加速するために,残差学習とバッチ正規化を採用した。ネットワーク訓練が満足に完了した後に,その処理効率は従来の雑音除去法のものより著しく高い。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音低減 ,  Gauss雑音 ,  *雑音除去 ,  正規化 ,  *三次元 ,  エンドツーエンド方式 ,  ワークフロー ,  残差 ,  騒音 ,  学習 ,  *ネットワーク ,  不規則雑音 ,  *雑音 ,  ネットワークアーキテクチャ
準シソーラス用語： *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (5件)： 3D ,  畳込みニューラルネットワーク ,  スタック ,  地震データ ,  雑音除去