[en] CONVOLUTIONAL NETWORKS APPLIED TO SEMANTIC SEGMENTATION OF SEISMIC IMAGES
| Ano de defesa: | 2021 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| Tipo de documento: | Tese |
| Tipo de acesso: | Acesso aberto |
| Idioma: | por |
| Instituição de defesa: |
MAXWELL
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: | |
| Link de acesso: | https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=54148&idi=1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=54148&idi=2 http://doi.org/10.17771/PUCRio.acad.54148 |
Resumo: | [pt] A partir de melhorias incrementais em uma conhecida rede neural convolucional (U-Net), diferentes técnicas são avaliadas quanto às suas performances na tarefa de segmentação semântica em imagens sísmicas. Mais especificamente, procura-se a identificação e delineamento de estruturas salinas no subsolo, o que é de grande relevância na indústria de óleo e gás para a exploração de petróleo em camadas pré-sal, por exemplo. Além disso, os desafios apresentados no tratamento destas imagens sísmicas se assemelham em muito aos encontrados em tarefas de áreas médicas como identificação de tumores e segmentação de tecidos, o que torna o estudo da tarefa em questão ainda mais valioso. Este trabalho pretende sugerir uma metodologia adequada de abordagem à tarefa e produzir redes neurais capazes de segmentar imagens sísmicas com bons resultados dentro das métricas utilizadas. Para alcançar estes objetivos, diferentes estruturas de redes, transferência de aprendizado e técnicas de aumentação de dados são testadas em dois datasets com diferentes níveis de complexidade. |
| id |
PUC_RIO-1_5c1814a3627eabf17d4ae7277080eef8 |
|---|---|
| oai_identifier_str |
oai:MAXWELL.puc-rio.br:54148 |
| network_acronym_str |
PUC_RIO-1 |
| network_name_str |
Repositório Institucional da PUC-RIO (Projeto Maxwell) |
| repository_id_str |
|
| spelling |
[en] CONVOLUTIONAL NETWORKS APPLIED TO SEMANTIC SEGMENTATION OF SEISMIC IMAGES [pt] REDES CONVOLUCIONAIS APLICADAS À SEGMENTAÇÃO SEMÂNTICA DE IMAGENS SÍSMICAS [pt] PROCESSAMENTO DE IMAGENS[pt] FCN[pt] U-NET[pt] DETECCAO DE SAL[pt] AUMENTO DE DADOS[pt] SEGMENTACAO SEMANTICA[pt] REDE NEURAL CONVOLUCIONAL[pt] TRANSFERENCIA DE APRENDIZADO[pt] APRENDIZADO PROFUNDO[pt] APRENDIZADO SUPERVISIONADO[en] IMAGE PROCESSING[en] FCN[en] U-NET[en] SALT DETECTION[en] DATA AUGMENTATION[en] PIXEL-WISE SEMANTIC SEGMENTATION[en] CONVOLUTIONAL NEURAL NETWORK[en] TRANSFER LEARNING[en] DEEP LEARNING[en] SUPERVISED LEARNING[pt] A partir de melhorias incrementais em uma conhecida rede neural convolucional (U-Net), diferentes técnicas são avaliadas quanto às suas performances na tarefa de segmentação semântica em imagens sísmicas. Mais especificamente, procura-se a identificação e delineamento de estruturas salinas no subsolo, o que é de grande relevância na indústria de óleo e gás para a exploração de petróleo em camadas pré-sal, por exemplo. Além disso, os desafios apresentados no tratamento destas imagens sísmicas se assemelham em muito aos encontrados em tarefas de áreas médicas como identificação de tumores e segmentação de tecidos, o que torna o estudo da tarefa em questão ainda mais valioso. Este trabalho pretende sugerir uma metodologia adequada de abordagem à tarefa e produzir redes neurais capazes de segmentar imagens sísmicas com bons resultados dentro das métricas utilizadas. Para alcançar estes objetivos, diferentes estruturas de redes, transferência de aprendizado e técnicas de aumentação de dados são testadas em dois datasets com diferentes níveis de complexidade.[en] Through incremental improvements in a well-known convolutional neural network (U-Net), different techniques are evaluated regarding their performance on the task of semantic segmentation of seismic images. More specifically, the objective is the better identification and outline of subsurface salt structures, which is a task of great relevance for the oil and gas industry in the exploration of pre-salt layers, for example. Besides that application, the challenges imposed by the treatment of seismic images also resemble those found in medical fields like tumor detection and tissue segmentation, which makes the study of this task even more valuable. This work seeks to suggest a suitable methodology for the task and to yield neural networks that are capable of performing semantic segmentation of seismic images with good results regarding specific metrics. For that purpose, different network structures, transfer learning and data augmentation techniques are applied in two datasets with different levels of complexity.MAXWELLSERGIO COLCHERMATEUS CABRAL TORRES2021-08-10info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesishttps://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=54148&idi=1https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=54148&idi=2http://doi.org/10.17771/PUCRio.acad.54148porreponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)instacron:PUC_RIOinfo:eu-repo/semantics/openAccess2022-08-19T00:00:00Zoai:MAXWELL.puc-rio.br:54148Repositório InstitucionalPRIhttps://www.maxwell.vrac.puc-rio.br/ibict.phpopendoar:5342022-08-19T00:00Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)false |
| dc.title.none.fl_str_mv |
[en] CONVOLUTIONAL NETWORKS APPLIED TO SEMANTIC SEGMENTATION OF SEISMIC IMAGES [pt] REDES CONVOLUCIONAIS APLICADAS À SEGMENTAÇÃO SEMÂNTICA DE IMAGENS SÍSMICAS |
| title |
[en] CONVOLUTIONAL NETWORKS APPLIED TO SEMANTIC SEGMENTATION OF SEISMIC IMAGES |
| spellingShingle |
[en] CONVOLUTIONAL NETWORKS APPLIED TO SEMANTIC SEGMENTATION OF SEISMIC IMAGES MATEUS CABRAL TORRES [pt] PROCESSAMENTO DE IMAGENS [pt] FCN [pt] U-NET [pt] DETECCAO DE SAL [pt] AUMENTO DE DADOS [pt] SEGMENTACAO SEMANTICA [pt] REDE NEURAL CONVOLUCIONAL [pt] TRANSFERENCIA DE APRENDIZADO [pt] APRENDIZADO PROFUNDO [pt] APRENDIZADO SUPERVISIONADO [en] IMAGE PROCESSING [en] FCN [en] U-NET [en] SALT DETECTION [en] DATA AUGMENTATION [en] PIXEL-WISE SEMANTIC SEGMENTATION [en] CONVOLUTIONAL NEURAL NETWORK [en] TRANSFER LEARNING [en] DEEP LEARNING [en] SUPERVISED LEARNING |
| title_short |
[en] CONVOLUTIONAL NETWORKS APPLIED TO SEMANTIC SEGMENTATION OF SEISMIC IMAGES |
| title_full |
[en] CONVOLUTIONAL NETWORKS APPLIED TO SEMANTIC SEGMENTATION OF SEISMIC IMAGES |
| title_fullStr |
[en] CONVOLUTIONAL NETWORKS APPLIED TO SEMANTIC SEGMENTATION OF SEISMIC IMAGES |
| title_full_unstemmed |
[en] CONVOLUTIONAL NETWORKS APPLIED TO SEMANTIC SEGMENTATION OF SEISMIC IMAGES |
| title_sort |
[en] CONVOLUTIONAL NETWORKS APPLIED TO SEMANTIC SEGMENTATION OF SEISMIC IMAGES |
| author |
MATEUS CABRAL TORRES |
| author_facet |
MATEUS CABRAL TORRES |
| author_role |
author |
| dc.contributor.none.fl_str_mv |
SERGIO COLCHER |
| dc.contributor.author.fl_str_mv |
MATEUS CABRAL TORRES |
| dc.subject.por.fl_str_mv |
[pt] PROCESSAMENTO DE IMAGENS [pt] FCN [pt] U-NET [pt] DETECCAO DE SAL [pt] AUMENTO DE DADOS [pt] SEGMENTACAO SEMANTICA [pt] REDE NEURAL CONVOLUCIONAL [pt] TRANSFERENCIA DE APRENDIZADO [pt] APRENDIZADO PROFUNDO [pt] APRENDIZADO SUPERVISIONADO [en] IMAGE PROCESSING [en] FCN [en] U-NET [en] SALT DETECTION [en] DATA AUGMENTATION [en] PIXEL-WISE SEMANTIC SEGMENTATION [en] CONVOLUTIONAL NEURAL NETWORK [en] TRANSFER LEARNING [en] DEEP LEARNING [en] SUPERVISED LEARNING |
| topic |
[pt] PROCESSAMENTO DE IMAGENS [pt] FCN [pt] U-NET [pt] DETECCAO DE SAL [pt] AUMENTO DE DADOS [pt] SEGMENTACAO SEMANTICA [pt] REDE NEURAL CONVOLUCIONAL [pt] TRANSFERENCIA DE APRENDIZADO [pt] APRENDIZADO PROFUNDO [pt] APRENDIZADO SUPERVISIONADO [en] IMAGE PROCESSING [en] FCN [en] U-NET [en] SALT DETECTION [en] DATA AUGMENTATION [en] PIXEL-WISE SEMANTIC SEGMENTATION [en] CONVOLUTIONAL NEURAL NETWORK [en] TRANSFER LEARNING [en] DEEP LEARNING [en] SUPERVISED LEARNING |
| description |
[pt] A partir de melhorias incrementais em uma conhecida rede neural convolucional (U-Net), diferentes técnicas são avaliadas quanto às suas performances na tarefa de segmentação semântica em imagens sísmicas. Mais especificamente, procura-se a identificação e delineamento de estruturas salinas no subsolo, o que é de grande relevância na indústria de óleo e gás para a exploração de petróleo em camadas pré-sal, por exemplo. Além disso, os desafios apresentados no tratamento destas imagens sísmicas se assemelham em muito aos encontrados em tarefas de áreas médicas como identificação de tumores e segmentação de tecidos, o que torna o estudo da tarefa em questão ainda mais valioso. Este trabalho pretende sugerir uma metodologia adequada de abordagem à tarefa e produzir redes neurais capazes de segmentar imagens sísmicas com bons resultados dentro das métricas utilizadas. Para alcançar estes objetivos, diferentes estruturas de redes, transferência de aprendizado e técnicas de aumentação de dados são testadas em dois datasets com diferentes níveis de complexidade. |
| publishDate |
2021 |
| dc.date.none.fl_str_mv |
2021-08-10 |
| dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
| format |
doctoralThesis |
| status_str |
publishedVersion |
| dc.identifier.uri.fl_str_mv |
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=54148&idi=1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=54148&idi=2 http://doi.org/10.17771/PUCRio.acad.54148 |
| url |
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=54148&idi=1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=54148&idi=2 http://doi.org/10.17771/PUCRio.acad.54148 |
| dc.language.iso.fl_str_mv |
por |
| language |
por |
| dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
| eu_rights_str_mv |
openAccess |
| dc.publisher.none.fl_str_mv |
MAXWELL |
| publisher.none.fl_str_mv |
MAXWELL |
| dc.source.none.fl_str_mv |
reponame:Repositório Institucional da PUC-RIO (Projeto Maxwell) instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO) instacron:PUC_RIO |
| instname_str |
Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO) |
| instacron_str |
PUC_RIO |
| institution |
PUC_RIO |
| reponame_str |
Repositório Institucional da PUC-RIO (Projeto Maxwell) |
| collection |
Repositório Institucional da PUC-RIO (Projeto Maxwell) |
| repository.name.fl_str_mv |
Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO) |
| repository.mail.fl_str_mv |
|
| _version_ |
1856395953788944384 |