基于深度神经网络的基于内容的图像检索
Christopher Thiele,壳牌国际勘探开发公司
nisshank Saxena,壳牌国际勘探开发公司
Detlef Hohl,壳牌国际勘探与生产公司
图像和图像处理深深嵌入到能源行业的许多业务工作流中。壳牌公司拥有超过50 PBytes的图像存储,例如地震数据、岩石和催化剂的微型计算机断层扫描(CT)和显微镜图像、井芯和井壁图像、卫星和无人机图像数据以及资产监控摄像头数据,这些数据具有多种分辨率、尺度和波长。金宝搏官方网站根据内容而不是元数据在大型数据存储中查找相似的图像是一项通用任务。元数据经常会过时,可能会发生变化,或者根本不可用。传统的图像处理方法,如特征识别,可以很好地处理小而少的图像,但由于计算需求,不能扩展到大图像或数据存储库。
现代深度学习擅长基于监督学习和无监督学习从图像中提取相关特征,而且只需要很少的计算工作量。在这篇文章中,我们专注于“数字岩石”技术,该技术使用计算机分析和计算机模拟来分析岩石的扫描图像,以取代昂贵和耗时的实验室实验。专家们经常希望参考现有的实验室和预先计算的岩石样品模拟结果,这些模拟结果与新获得的岩石样品相似。我们讨论了CBIR算法如何帮助识别相似的岩石样本。我们探讨了微观ct孔隙图像对CBIR方法的挑战,并评估了基于传统特征提取方法和深度学习技术的CBIR算法的性能。
在比较了不同的深度学习架构和训练方法之后,我们对大型三维孔隙图像集合的可扩展CBIR算法和实现进行了展望。我们的CBIR算法是使用MATLAB的并行计算、深度学习和图像处理工具箱实现的。MATLAB平台使我们能够在交互式、gpu加速的环境中高效地开发和比较众多算法和思想。
您也可以从以下列表中选择一个网站:
如何获得最佳的网站性能
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。