Компания dGB Earth Sciences рада представить последнее дополнение к нашей библиотеке машинного обучения — современную предварительно обученную модель, предназначенную для прогнозирования разломов и трещин в 2D/3D сейсмических данных.

Предварительно обученная Fault Net — это модель глубокого обучения для прогнозирования разломов, основанная на сверточной нейронной сети (CNN). Модель обучалась на реальных и синтетических данных.

Текущие результаты испытаний показывают, что предварительно обученная модель Fault Net выдает превосходную маску разломов с минимальным количеством артефактов по сравнению с другими моделями прогнозирования разломов (Unet Fault Predictor). Хотя здесь мы показываем результаты предварительно обученной модели VGG19, эта модель не предназначена для применения «КАК ЕСТЬ», а для настройки путем переноса обучения.

Fault Net — детище Yimin Dou et.all, см.: https://lnkd.in/ecXpBAKN.

Наша команда dGB легко преобразовала модель в формат ONNX. Кроме того, мы интегрировали операторы до и после транспонирования, чтобы обеспечить совместимость с порядком входных и выходных данных, ожидаемым плагином машинного обучения OpendTect.

Поделитесь с нами вашими мыслями. Если вы хотите узнать больше или запросить демонстрационную лицензию, вы можете связаться с нами, отправив электронное письмо на адрес info@dgbes.com.

Автор: Paul de Groot из dGB Earth Sciences

#OpendTect #ai #geoscience #ML #seismic