训练图像

摘要： 多点地质统计学建模是近年来储层建模技术的研究热点,其实用性受到训练图像的限制。训练图像的质量决定了多点地质统计学建模的精度和可靠程度,是多点地质统计学建模成功的关键因素。文章阐述了训练图像的特征和意义,从方法的定义、使用情况、实例等方面系统介绍了训练图像建立的方法,包括手工绘制、基于目标模拟、三维地震信息提取或转化、基于原型模型、基于过程模拟和二维图像方法,综合对比了不同训练图像建立方法的数据来源、优势与不足,探讨了多点地质统计学建模依赖训练图像存在的问题。结合文献调研和多点地质统计学建模实践,指出了训练图像及其建立方法的发展方向,为多点地质统计学建模研究者和使用者提供借鉴,为完善多点地质统计学建模方法提供思考。

摘要： 系统介绍了多点地质统计学的基本原理以及与传统建模方法的区别。以胜利油田A区为例,在利用训练图像指导模拟的基础上,深入分析了砂泥岩比例、参考比例、垂向比例函数、概率趋势体等各项敏感参数对模拟结果的不同影响,提出了通过调整敏感参数来提高预测结果准确性的新方法;并从训练图像选取、提高模型确定性、无井控制区随机模拟等方面开展研究,确定了适合研究区的最优参数。同时,利用平面展布特征分析、不同模拟方法结果对比、抽稀井验证等方法,对研究区沉积相模型的预测精度进行了验证。实践结果表明,利用该方法得到的沉积相模型能够实现砂体平面展布特征和纵向叠置关系的准确预测,预测结果与实钻井及实际地质认识基本吻合,同时对于河流相砂体“顶平底凸”的地质特征也具有较好表征,对于密井网区河流相砂体研究具有较大的指导意义,可为其他同类型油藏的储层预测研究工作提供方法指导。

摘要： K油田处于开发前期方案编制阶段,钻井资料少,地震资料品质较差,储层的空间展布预测存在较大不确定性。综合油田取芯、测井、测压及地震等资料,分析储层为扇三角洲前缘沉积,发育分流河道、溢岸和河口坝等多种沉积微相,采用传统地质建模方法难以精确表征K油田的沉积模式。通过采用多点地质统计建模方法,融入反映地质认识的训练图像,结合已钻井垂向微相组合特征及储层平面展布规律,实现多维约束建立K油田相模型。模拟结果显示,由多点地质统计建模模拟的K油田相模型较好地表征了分流河道的展布形态及沉积微相之间的空间组合关系,且地质不确定性较低,更加符合地质认识,对油田开发方案的编制具有较强的指导意义,同时对类似沉积相建模具有一定推广意义。

摘要： 为有效提高三角洲沉积相模拟的精度,以塔河T区为例,应用地震、岩心及测井资料,通过定量评估可容纳空间、物源供给和沉积搬运之间复杂的关系,建立该地区辫状河三角洲砂体沉积正演模型,并将此转化为多点地质统计模拟的三维训练图像,进行研究区辫状河三角洲多点地质统计模拟。研究表明:辫状河三角洲砂体分布受沉积正演模拟控制参数影响,其中砂质供应体积分数、沉积物流入比例、水流载荷量及洪水期间隔均属于强敏感性参数,对研究区三角洲砂体分布影响较大;砂岩含量沉积正演模型体现了辫状河三角洲退积式沉积过程,符合研究区沉积特征,将其转化为三维训练图像,多点地质统计模拟结果在三维空间具有受训练图像约束的特征,体现了训练图像所反映的相带接触关系,并且与钻井认识一致。所提出的这种新的获取三角洲沉积体三维训练图像的方法,综合了沉积正演模拟与多点地质统计模拟的优势,取得了一定的应用效果,对类似沉积体三维地质建模具有一定的借鉴作用。

摘要： 利用现代物理实验技术可以有效获取真实的页岩孔隙图像,但是成本高昂.采用数值模拟方法重构页岩,提出了利用深度卷积生成对抗网络重构页岩图像,且该对抗网络允许隐式描述二维图像数据集所表示的概率分布.实验结果证明,该方法能够生成与真实样本更相似的页岩二维图像.

摘要： 在空间数据不确定性重建领域,多点统计法(MPS)得到了广泛的应用,但由于计算成本较高,其适用性受到了影响.通过使用金字塔结构的全卷积生成对抗网络(GAN)模型学习不同分辨率的训练图像,提出了一种基于多分辨率GAN模型的空间数据重建方法.该方法从高分辨率训练图像中捕获细节特征,从低分辨率训练图像中捕获大范围特征,因此该方法重建的图像包含训练图像的全局和局部结构信息,同时保持一定的随机性.把所提算法与MPS中的代表性算法以及应用于空间数据重建的GAN方法进行对比的结果表明,所提方法10次重建的总时间降低了约1 h,其平均孔隙度与训练图像孔隙度的差值降低至0.0002,并且其变差函数曲线和多点连接性函数(MPC)曲线更接近于训练图像,可见所提算法重建质量更好.

摘要： 利用现代物理实验技术可以有效获取真实的页岩孔隙图像,但是成本高昂。采用数值模拟方法重构页岩,提出了利用深度卷积生成对抗网络重构页岩图像,且该对抗网络允许隐式描述二维图像数据集所表示的概率分布。实验结果证明,该方法能够生成与真实样本更相似的页岩二维图像。

摘要： 由于直接取样算法在重建过程中引入了多个需要手动调节的参数,使其在实际运用中具有一定的难度.针对这一问题,提出了一种自适应直接取样岩心三维重建算法.首先,使用三级网格对图像进行逐级重建;其次,使用高斯加权来提高模式匹配的准确性;然后,根据待匹配数据事件的条件数据点自适应的选择模式搜索范围,将距离最小模式的中心点赋给待模拟点;最后,使用算法与传统直接取样算法分别对多张储集层岩心图像进行三维重建.通过比较重建结果与真实结构在统计分布 、孔隙结构上的差异,证明了算法的有效性.

摘要： 在多点地质学统计Snesim算法中,通过在训练图像中扫描与待模拟点条件数据分布相同的数据事件个数来确定概率分布,可以反映出多个位置的联合变异性,本文用C#语言完整地实现了Snesim算法,利用C#的并行运算能力建立搜索树大大提高了计算效率,对搜索树中数据事件的查找算法进行研究,并探索了改变训练图像来验证对待模拟结果的影响。

摘要： 与传统相建模方法相比,多点地质统计学方法对河流相沉积的相建模,在理论上具有明显的优势.但是如何获取合适的训练图像和如何更好地使用训练图像,却一直制约着多点地质统计学在相建模领域的应用发展.以蓬莱19-3油田L40为例,论述了从简单相模式模型中获取训练图像的训练图像获取方法,并详细论证了训练图像大小、训练图像维数和训练图像不同应用方法对相建模和相模型的影响.通过比较论证,最后应用基于三维训练图像和分区应用训练图像的方法建立了研究区的多点地质统计学相模型,该方法在渤海油田为首次应用,其经验可为渤海类似油田的相建模提供借鉴.

摘要： 油藏精细描述是油田开发中后期主要研究的工作，精细描述的核心是油藏地质模型，沉积微相建模一致是地质建模中的难点,多点地质统计学建模借助于"训练图像",它是多点地质统计学的输入参数、其准确性是建模成功的关键,本文主要针对濮城油田沉积微相建模中训练图像的建立,提出了利用现代沉积资料与密井网观察资料建立训练图像;利用建立的训练图像进行了沉积微相建模,分析结果表明,利用此种方法建立的训练图像用来建模后模型模拟结果符合率较高.

摘要： 随着勘探开发程度不断提高，油藏和储层类型更加多样，其区域化地质变量不仅与矢量距离有关，更与空间位置相关。多点地质统计学应用"训练图像"代替变差函数,能够更好地表达地质变量的空间结构性.训练图像是能够表达实际储层结构、几何形态及分布模式的数字化图像或体.针对如何建立训练图像和满足其平稳性的问题,通过对密井网区精细地质研究,结合沉积物理模拟实验,开展辫状三角洲沉积模式研究,获得了沉积微相单元的统计特征参数和平面配置关系,建立了辫状三角洲不同沉积区域的训练图像;采用角度旋转、比例缩放、临区序贯条件模拟方法,分区分训练图像建立了精细的辫状三角洲沉积微相模型.该方法间接地放宽了多点统计随机模拟对平稳性的要求,并使得河道的连续性得以改善,提高了训练图像的可移植性.在柴达木盆地昆北油田油藏描述实践中,模型与生产实际吻合性好,指导了高效注水开发,取得了较好应用效果,证明了该方法的可行性和实用性.探索了一条使用随机模拟方法准确刻画辫状三角洲沉积储层的新途径.

摘要： 本公开提供了一种图像生成方法，涉及人工智能领域，尤其涉及计算机视觉和深度学习技术领域。具体实现方案为：沿第一方向，对三维图像执行切片操作，得到多个第一切片图像，第一切片图像包括多个第一区域，每个第一区域对应一个类别；针对多个第一切片图像，根据每个第一切片图像中像素的位置信息，对每个第一切片图像执行转换操作，得到多个第一切片图像的深度图像；根据多个第一切片图像的深度图像，得到三维图像的深度图像。本公开还提供了一种图像处理模型的训练方法、图像处理方法、装置、电子设备和存储介质。

摘要： 一种训练完毕模型生成程序，其使计算机实现如下功能：训练执行功能，其通过将第一输入图像数据以及第二输入图像数据输入至机器训练装置以执行机器训练，并使所述机器训练装置生成训练完毕模型，其中，所述第一输入图像数据示出通过第一重构方法生成的第一输入图像，所述第二输入图像数据示出通过第二重构方法生成的第二输入图像，所述第一重构方法使用压缩感知，所述第二重构方法为与所述第一重构方法不同的重构方法，为解析型重构方法；训练完毕模型获取功能，其获取示出所述训练完毕模型的训练完毕模型数据。并且，通过将示出输入图像的输入图像数据输入至所述训练完毕模型以生成改善了画质的重构图像。

摘要： 本发明提供了一种基于图像数据增强的图像训练集生成方法和模型训练方法，其中，图像训练集生成方法包括：构造初始图像训练集后训练初始目标检测模型；对原始训练样本图像进行重检测后输出检测输出图像；比较各检测输出图像上形成的检测框和原始训练样本图像上的标注框，将检测框框选的错误目标图像块裁切下；在选中的原始训练样本图像上裁切下剔除图像块，选取错误目标图像块补偿在剔除图像块的原始位置处形成负样本图像；混合进入初始图像训练集中形成图像训练集。本发明解决了利用现有技术中的数据增强方法扩充的图样训练集，能够提升训练出的目标检测模型的泛化能力，但无法提高目标检测模型对特定的目标对象的识别准确率的问题。

摘要： 相位图像生成器的训练方法包括以下步骤：首先，在各迭代次中，产生损失值，包括：相位图像生成器以相位图像生成模式产生多张生成相位图像；相位图像判定器判断这些生成相位图像与多张原始相位图像的差异程度；以及，依据差异程度产生这些生成相位图像的损失值。然后，挑选器从这些损失值中选择一稳定损失值，并以稳定损失值所对应的迭代次的相位图像生成模式做为相位图像生成器的一所选相位图像生成模式。

摘要： 本发明涉及一种图像处理、图像识别网络训练和图像识别的方法及装置，所述图像处理方法包括：获取原始图像集中的多张原始图像，其中，至少一张原始图像具有标注区域；根据所述多张原始图像拼接至少一张第一图像；根据所述原始图像调整所述第一图像的形状和/或尺寸，以形成第二图像；根据所述标注区域在原始图像中的位置转换得到所述标注区域在所述第二图像中的位置。

摘要： 本公开涉及用于训练图像处理装置的训练装置和训练方法以及图像处理装置。该训练装置用于训练第一和第二图像处理单元，其包括：训练单元，将不具有特定特征的第一真实图像输入第一图像处理单元以通过第一图像处理生成具有特定特征的第一生成图像，将具有特定特征的第二真实图像输入第二图像处理单元以通过第二图像处理生成不具有特定特征的第二生成图像；分类单元，能够执行分类处理以区分真实图像和生成图像，训练单元进一步执行基于真实图像和生成图像对分类单元进行训练的第一训练处理；以及执行基于第一训练处理的训练结果对第一和第二图像处理单元进行训练的第二训练处理以降低分类单元的分类准确度。

摘要： 本发明公开了图像增强网络的训练方法和训练模型、及图像增强方法。其中，图像增强网络的训练方法包括步骤：获取多个训练图像对；将训练图像对中的第一图像输入到预训练的图像生成网络，经多次卷积处理后输出图像，并按照第一损失函数计算输出图像相对于训练图像对中对应第二图像的第一损失值；将输出图像输入到预训练的图像判别网络，经多次卷积处理后输出判别值，并按照第二损失函数计算该判别值相对于预设标签值的第二损失值；结合第一、第二损失值来更新图像生成网络和图像判别网络的网络参数，直到第一损失值和第二损失值的总和满足预定条件时，训练结束，得到训练后的图像生成网络，作为训练好的图像增强网络。

摘要： 本发明的图像拍摄方法包括：在分析空间(40)中在以相等步长移位的焦平面位置(50)处用显微镜拍摄图像；以及从所拍摄的图像中选择图像以用于进一步的图像处理。对填充在分析空间(40)中的液体的沉淀物(31)拍摄图像，所述分析空间位于适于分析液体的容器(30)的透明上窗口部分(11)和透明下窗口部分(21)之间，其中沉淀物(31)在下窗口部分(21)的内部平坦表面上被离心，并且其中所述方法包括：在分析空间(40)的第一空间区域(41)中拍摄第一深度图像序列，并且从第一深度图像序列中选择具有最佳对比度的图像用于进一步的图像处理，并且通过考虑先前步骤在分析空间(40)的第二空间区域(42)中拍摄第二深度图像序列，其中第二深度图像序列具有比第一深度图像序列更少的图像，并且从第二深度图像序列中选择具有最佳对比度的图像用于进一步的图像处理。本发明还涉及一种图像分析方法、一种用于训练图像分析神经网络的方法以及一种基于上述方法的图像分析神经网络。

摘要： 本申请涉及图像识别模型的训练方法、训练装置、训练网络和设备终端，该训练方法通过卷积神经网络对输入的训练图像数据集进行特征提取处理，以得到第一损失函数值，获取卷积神经网络中多个中间层输出的特征图，将各个中间层输出的特征图分别输入到各自对应的预设ViT网络进行特征提取处理，以得到各个预设ViT网络各自对应的第二损失函数值，根据各自对应的第二损失函数值，分别对各个预设ViT网络进行权重和偏置更新，根据第一损失函数值和各个预设ViT网络各自对应的第二损失函数值对卷积神经网络进行权重和偏置更新，循环执行上述步骤以生成对应的图像识别模型。上述训练方法能够将传统的卷积神经网络结构和ViT网络进行融合。

摘要： 本公开涉及用于训练图像处理装置的训练装置和训练方法以及图像处理装置。该训练装置用于训练第一和第二图像处理单元，其包括：训练单元，将不具有特定特征的第一真实图像输入第一图像处理单元以通过第一图像处理生成具有特定特征的第一生成图像，将具有特定特征的第二真实图像输入第二图像处理单元以通过第二图像处理生成不具有特定特征的第二生成图像；分类单元，能够执行分类处理以区分真实图像和生成图像，训练单元进一步执行基于真实图像和生成图像对分类单元进行训练的第一训练处理；以及执行基于第一训练处理的训练结果对第一和第二图像处理单元进行训练的第二训练处理以降低分类单元的分类准确度。