【技术实现步骤摘要】
一种基于深度学习的图像分割方法
本专利技术属于计算机视觉
，尤其涉及到一些图像处理、图像语义分割方法、深度学习图像分割方法等。
技术介绍
随着人工智能技术的发展，计算机视觉的应用更加普遍。在计算机视觉应用中，图像分割是必不可少的环节，图像语义分割可以说是图像理解的基石性技术，在医疗图像研究、地质图像研究、自动驾驶系统、现代化工业等领域有着举足轻重意义。例如，在地球上大量石油和天然气聚集的地区往往会在地表下面形成巨大的盐沉积物，而，这些盐层沉积物，在地下以高温液态的形式存在。在开采之前，为了确定它们的位置会对地质进行严谨的勘探。通过地震成像技术，可以把地下的一些盐层、岩层反应到图像中。进而通过对图像的研究以标识出它们的具体位置。但遗憾的是，对这些专业的地质图像标记分割出不同地质结构的具体位置，是非常困难的。此外，这些由声波反馈得到的地质图像，一般需要专业的人员对其进行标注。这也导致结果具有非常强的主观性，对地震成像的图像进行3D渲染带来了很大困难。更严重的是，如果判断不准确盲目开采，可能造成盐层的流出、喷出，这将会给石油和天然气公司的钻探人员、以及钻探设备带来...
【技术保护点】
1.一种基于深度学习的图像分割方法，其目的在解决少量的地质图像分割问题，包括以下步骤：步骤1、获取地质盐层图像数据集，并对这些数据进行清洗；步骤2、利用图像增强技术，对原始数据进行增强处理；步骤3、根据数据集在采集时地下深度进行统计划分为5个区间，并在每个区间内按照面积再分为5等份；步骤4、模型搭建，编码阶段首选SENet154网络，解码阶段使用FPN网络；步骤5、根据步骤3得到的5份数据集，进行5折训练，并投票选择最优结果。
【技术特征摘要】
1.一种基于深度学习的图像分割方法，其目的在解决少量的地质图像分割问题，包括以下步骤：步骤1、获取地质盐层图像数据集，并对这些数据进行清洗；步骤2、利用图像增强技术，对原始数据进行增强处理；步骤3、根据数据集在采集时地下深度进行统计划分为5个区间，并在每个区间内按照面积再分为5等份；步骤4、模型搭建，编码阶段首选SENet154网络，解码阶段使用FPN网络；步骤5、根据步骤3得到的5份数据集，进行5折训练，并投票选择最优结果。2.如权利要求1所述的基于深度学习的图像分割方法，其特征在于，步骤2具体为：数据形态增强，对原始图像及其掩码标注，按照预定比例对其长、宽进行缩放，及进行镜像；对原始图像及其掩码标注进行平移操作，使用边缘像素补齐平移产生的图像区域。3.如权利要求1所述的基于深度学习的图像分割方法，其特征在于，步骤3具体包括以下步骤：步骤3.1、根据地质图像成像的原理，不同深度采集的图像在空间域上具有一定的相关性，将数据集按照地质深度...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。