一种基于多任务学习和多尺度融合的3D断层检测方法技术

本发明专利技术公开了一种基于多任务学习和多尺度融合的3D断层检测方法，旨在提高在复杂地质条件下断层检测的精度和泛化能力。该方法采用具有精确断层标注的合成地震数据进行全监督训练，通过构建基于扩展三维高分辨率网络(3DHRNet)的断层分割分支和利用Canny边缘检测算子生成边缘标签的边缘检测分支，实现了断层分割与边缘检测的联合优化。为充分整合低层细节信息与高层全局语义信息，本发明专利技术设计了一种多尺度融合模块(MSF)，并在其内部嵌入双通道注意力门控机制(DCAG)，该机制通过分别计算空间注意力和通道注意力系数，实现对不同分辨率特征的动态筛选和加权融合，从而有效抑制信息冗余和噪声干扰。此外，本发明专利技术采用扩展Dice损失函数，引入可调参数以分别控制假阳性和假阴性的惩罚权重，显著降低漏检率，显著提高了断层检测的精度与鲁棒性。

【技术实现步骤摘要】

本专利技术涉及地震数据处理、计算机视觉及深度学习技术，具体涉及一种基于多任务学习和多尺度融合的3d断层检测方法，适用于油气勘探、地质构造分析，能够提高断层探测的精度和自动化程度。

技术介绍

1、断层检测作为地震勘探和地质分析的关键任务，对油气资源的形成和分布起着至关重要的作用。传统断层检测方法依赖人工标注或基于地震属性的算法，存在主观性强、计算成本高等不足。近年来，基于深度学习的断层检测方法虽取得了显著进展，但主要依赖于合成地震数据进行训练，由于合成数据与实际现场数据存在较大分布差异，导致模型在实际应用中泛化能力不足。同时，断层的形态具有多样性，其尺度差异明显，常规的编码器-解码器网络(如u-net)在多尺度特征捕捉和边缘信息保留方面存在局限性。现有技术难以在保持高分辨率的同时兼顾全局语义信息和局部细节，亟需一种既能提高断层检测精度又能提升现场数据适应性的技术方案。

技术实现思路

1、为了克服现有技术的不足，本专利技术提供了一种基于多任务学习和多尺度融合的3d断层检测方法，该方法的核心思想在于利用多任务学习框本文档来自技高网...

【技术保护点】

1.一种基于多任务学习和多尺度融合的3D断层检测方法，其特征在于，包括以下步骤：

【技术特征摘要】

1.一种基于多任务学习和多尺度融合的3d...

【专利技术属性】
技术研发人员：李克文，周广悦，侯俏伊，储圣光，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：