Volumetric Supervised Contrastive Learning for Seismic Semantic Segmentation

要約

地震学的解釈では、さまざまな岩石構造のピクセルレベルのラベルを取得するには、時間と費用がかかる可能性があります。
その結果、従来の深層学習方法が完全にラベル付けされたボリュームへのアクセスに依存しているという理由だけで、使用されないままになっているラベル付けされていないデータが大量に存在することがよくあります。
この問題を修正するために、ラベルのないデータから有用な表現を学習するために自己監視方法論を使用する対照的な学習アプローチが提案されています。
ただし、従来の対照的な学習アプローチは、地震のコンテキストを利用しない自然画像のドメインからの仮定に基づいています。
対照的な学習にこのコンテキストを組み込むために、地震ボリューム内のスライスの位置に基づく新しいポジティブペア選択戦略を提案します。
私たちの方法から学習した表現は、セマンティックセグメンテーションタスクで最先端の対照学習方法論よりも優れていることを示します。

要約(オリジナル)

In seismic interpretation, pixel-level labels of various rock structures can be time-consuming and expensive to obtain. As a result, there oftentimes exists a non-trivial quantity of unlabeled data that is left unused simply because traditional deep learning methods rely on access to fully labeled volumes. To rectify this problem, contrastive learning approaches have been proposed that use a self-supervised methodology in order to learn useful representations from unlabeled data. However, traditional contrastive learning approaches are based on assumptions from the domain of natural images that do not make use of seismic context. In order to incorporate this context within contrastive learning, we propose a novel positive pair selection strategy based on the position of slices within a seismic volume. We show that the learnt representations from our method out-perform a state of the art contrastive learning methodology in a semantic segmentation task.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google