Análise de Arquiteturas de Redes Neurais Para Segmentação Semântica de Dados Sísmicos

Gabriel Silva, João T Dias, Luciana Almeida

DOI: 10.14209/sbrt.2022.1570824986

Evento: XL Simpósio Brasileiro de Telecomunicações e Processamento de Sinais (SBrT2022)

Keywords: U-Net Danet-FCN3 Segmentação Semantica

Abstract

Com o avanço da tecnologia, a caracterização dos reservatórios petrolíferos tem se tornado mais precisa e com isso aumentado sua complexidade, principalmente, com a obtenção de dados sísmicos em 3D. Nesse artigo são apresentadas duas arquiteturas de rede neural profunda aplicadas a segmentação semântica de imagens sísmicas. São usadas apenas 100 imagens para treinamento da rede. A rede neural foi treinada utilizando o banco de dados público da do Mar do Norte da Holanda F3. Com a proposta de utilizar clusterização e filtragem adaptativa na arquitetura U-Net, foi possível aumentar seu desempenho e alcançar 73,28% de mmIoU e 99,37% de precisão superando com isso o estado-da-arte. Esse resultado ficou próximo da obtido pela arquitetura Danet-FCN3 que havia alcançado uma precisão de 98,13% e 76,74% de mmIoU.

Download