МУЛЬТИКЛАССОВАЯ СЕГМЕНТАЦИЯ ГЕТЕРОГЕННЫХ ПОРИСТЫХ СРЕД С ИСПОЛЬЗОВАНИЕМ 3D U- NET И ПОЛЕЙ ФУНКЦИОНАЛОВ МИНКОВСКОГО (500,00 руб.)

Первый автор	Арсеньев
Авторы	Волков Е.А.
Страниц	12

ID	874717
Аннотация	В статье предложен метод обучения нейронной сети 3D U- Net для проведения мультиклассовой сегментации цифровых 3D- образцов керна. Обучение происходит на данных, размеченных с помощью вычисления полей морфологических дескрипторов – функционалов Минковского. Используя метод гауссова случайного поля ( Gaussian Random Field) , были сгенерированы цифровые образцы: некоторые области объема заполнялись зернами разного радиуса. Впоследствии для каждого образца рассчитывались поля функционалов Минковского. Задача сегментации была решена путем применения модели гауссовой смеси ( Gaussian Mixture Model) к полям функционалов Минковского, в результате чего был получен достаточно большой набор данных для обучения сверточной нейронной сети с архитектурой 3D U- Net. Обученная нейронная сеть продемонстрировала стабильные результаты как на синтетических, так и на реальных наборах данных

Арсеньев, С.С. МУЛЬТИКЛАССОВАЯ СЕГМЕНТАЦИЯ ГЕТЕРОГЕННЫХ ПОРИСТЫХ СРЕД С ИСПОЛЬЗОВАНИЕМ 3D U- NET И ПОЛЕЙ ФУНКЦИОНАЛОВ МИНКОВСКОГО / С.С. Арсеньев, Е.А. Волков // Автоматизация и информатизация ТЭК .— 2024 .— №3 .— С. 32-43 .— URL: https://rucont.ru/efd/874717 (дата обращения: 21.04.2025)