基于DS-VNet卷积神经网络的断层识别方法

摘要

目前基于卷积神经网络完成断层识别的技术已经很成熟，通过在卷积神经网络的基础上加入不同的结构从而实现网络效果的提升，但这往往会导致训练效率的降低，特别是断层识别这类数据集较大且模型较复杂的地震任务。为了克服这一问题，使用可分离卷积替代传统卷积，将VNet改进为DS-VNet网络。该方法通过使用可分离卷积构建新的神经网络，实现大幅降低时间复杂度，减少训练参数量，从而提高计算效率。而且这能使得在相同时间复杂度的情况下网络可以更加复杂，提高网络的训练效果。通过理论模型验证了提出方法的可行性，并发现在提高了训练效率的情况下训练效果并未下降。随后，将DS-VNet网络应用于实际工区，结果表明该方法在降低了时间复杂度的情况下仍能得到较好的训练效果。

关键词

断层识别 / 卷积神经网络 / DS-Vnet / 训练效率