改进Unet网络对叠后地震数据的断层识别

作     者：刘贵鑫 马中华 LIU Guixin;MA Zhonghua

作者机构：天津职业技术师范大学天津300350 

出 版 物：《计算物理》 (Chinese Journal of Computational Physics)

年 卷 期：2023年第40卷第6期

页      面：742-751页

学科分类：07[理学] 070205[理学-凝聚态物理] 0702[理学-物理学] 

基　　金：天津市教委科研计划项目(2020KJ115)资助。 

主　　题：断层识别 多分枝 Self-Attention Unet 编码器 

摘      要：为了提高断层识别的准确率,提出改进Unet模型。为编码器部分设计一种多分支的并联结构M-block(Multi-branch block),它可以捕获多尺度上下文信息,并且多分支的并联结构会带来高性能收益。在解码器部分加入Self-Attention块和注意力门控机制。Self-Attention通过对输入特征上下文的加权平均操作,不仅使注意力模块能够灵活地关注图像的不同区域,而且弥补了CNN(Convolutional Neural Network)网络局部性的缺点,为神经网络带来更多的可能性。通过合成数据和实际数据证实,该模型将传统卷积中的权值共享优点和Self-Attention动态计算注意力权重的优点结合,提高了断层识别的精度,与Unet相比,验证损失下降了33.68%。模型不仅准确识别出了断层特征,且比目前流行的深度学习方法更准确。