【技术实现步骤摘要】
本申请涉及地震数据处理的，尤其是涉及一种速度谱拾取模型训练方法、拾取方法、系统及设备。
技术介绍
1、地震勘探数据处理过程中，获取准确地层的速度模型作为中心环节，直接影响叠加和偏移成像的效果。地震速度模型的获取过程分为三步，第一步是速度谱，第二步是速度时间对的拾取，第三步是速度模型的建立。其中速度时间对的拾取过程是对速度谱中能量团的识别过程，这一过程通常通过人工拾取实现。人工拾取虽然辨别能力强，但是工作效率低下，耗时巨大，随着三维地震资料处理规模的不断增加，靠人工拾取速度谱难以满足实际生产的需求，如何提高地震资料处理过程中大量的速度谱拾取效率已成为影响地震资料处理工作进度的主要原因。
2、近年来，随着人工智能技术的发展，深度学习技术被应用于速度谱自动拾取中。目前存在从共中心点道集中获取叠加速度的方法实现速度谱的拾取，但是由于大地吸收衰减等因素的影响，共中心点道集的中深层资料有效信号能量较弱、信噪比较低，在速度谱分析时，噪声成分对速度谱精度产生不利影响，造成速度谱能量弱、能量团分散、速度拾取精度较差。
3、上述中的相关技术方案存在以下缺陷：速度谱能量团的拾取精度差。
技术实现思路
1、为了改善速度谱能量团拾取精度差的问题，本申请提供了一种速度谱拾取模型训练方法、拾取方法、系统及设备。
2、在本申请的第一方面，提供了一种速度谱拾取模型训练方法。该方法包括：
3、获取训练数据集，训练数据集包括多张训练速度谱，训练速度谱上标记有拾取标签；p>
4、将训练数据集输入至预设的特征提取模型，确定训练速度谱对应的特征图；
5、根据预设的区域建议网络模型，确定所述特征图对应的锚框信息；
6、根据训练速度谱和锚框信息的对应关系，训练得到速度谱拾取模型。
7、由以上技术方案可知，通过使用特征提取模型得到训练数据集中训练速度谱对应的特征图，然后根据区域建议网络模型，确定特征图对应的锚框信息；然后根据训练速度谱和锚框信息之间的对应关系，训练得到速度谱拾取模型。通过区域建议网络模型得到训练速度谱的锚框信息，可以对训练速度谱中能量团的框选更接近于能量团原本的尺寸，进而实现速度谱能量团拾取精度的提高。
8、在一种可能的实现方式中，根据预设的区域建议网络模型，确定特征图对应的锚框信息，包括：
9、根据训练速度谱和预设的特征金字塔网络模型，确定多个备选锚框；
10、根据多个备选锚框的置信度，确定基准锚框，基准锚框为备选锚框中的一个；
11、分别计算基准锚框与备选锚框的重叠度，重叠度是指基准锚框和备选锚框的重叠情况；
12、根据重叠度，确定锚框信息。
13、由以上技术方案可知，通过使用特征金字塔网络模型，确定与待拾取速度谱适配的多个备选锚框，然后根据备选锚框的置信度以及基准锚框与备选锚框的重叠度，确定与待拾取速度谱适配的锚框的锚框信息，从而实现速度谱能量团拾取精度的提高。
14、在一种可能的实现方式中，锚框信息包括基准锚框的锚框信息，根据重叠度，确定锚框信息，包括：
15、当重叠度大于等于重叠阈值时，剔除重叠度对应的备选锚框；
16、当重叠度小于重叠阈值时，保留重叠度对应的备选锚框；
17、根据保留的备选锚框的置信度，确定新的基准锚框；
18、根据新的基准锚框，对备选锚框进行筛选，确定锚框信息。
19、在一种可能的实现方式中，根据训练速度谱和锚框信息的对应关系，训练得到速度谱拾取模型，还包括：
20、根据锚框信息，识别训练速度谱对应的特征图中的前景区域；
21、对前景区域进行尺寸标准化，确定目标区域；
22、根据训练速度谱和所目标区域的对应关系，建立速度谱拾取模型。
23、在一种可能的实现方式中，方法还包括：
24、根据拾取标签和所述目标区域，计算速度谱拾取模型的损失函数；
25、根据损失函数，对速度谱拾取模型进行优化。
26、由以上技术方案可知，在进行速度谱拾取模型训练的时候计算模型的损失函数，根据损失函数调整速度谱拾取模型的训练参数，对速度谱拾取模型进行优化，提高速度谱拾取模型的训练效果，进而提高速度谱能量团的拾取精度。
27、在一种可能的实现方式中，速度谱拾取模型为掩膜基于区域的卷积神经网络模型。
28、在本申请的第二方面，提供了一种速度谱拾取方法。该方法包括：
29、获取待拾取速度谱；
30、将待拾取速度谱输入至本申请第一方面所述的速度谱拾取模型，拾取待拾取速度谱中的能量团，得到速度时间数据对。
31、在本申请的第三方面，提供了一种速度谱拾取系统。该系统包括：
32、数据获取模块，用于获取待拾取速度谱；
33、图谱拾取模块，用于将所待拾取速度谱输入至本申请第一方面的速度谱拾取模型，拾取待拾取速度谱中的能量团，得到速度时间数据对。
34、在本申请的第四方面，提供了一种电子设备。该电子设备包括：存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现如以上所述的方法。
35、在本申请的第五方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如根据本申请的第一方面或第二方面的方法。
36、综上所述，本申请包括至少一种有益技术效果：
37、通过使用特征提取模型得到训练数据集中训练速度谱对应的特征图，然后根据区域建议网络模型，确定特征图对应的锚框信息；然后根据训练速度谱和锚框信息之间的对应关系，训练得到速度谱拾取模型。通过区域建议网络模型得到训练速度谱的锚框信息，可以对训练速度谱中能量团的框选更接近于能量团原本的尺寸，进而实现速度谱能量团拾取精度的提高。
本文档来自技高网...【技术保护点】
1.一种速度谱拾取模型训练方法，其特征在于，包括：
2.根据权利要求1所述的速度谱拾取模型训练方法，其特征在于，所述根据预设的区域建议网络模型，确定所述特征图对应的锚框信息，包括：
3.根据权利要求2所述的速度谱拾取模型训练方法，其特征在于，所述锚框信息包括所述基准锚框的锚框信息，所述根据所述重叠度，确定锚框信息，包括：
4.根据权利要求1所述的速度谱拾取模型训练方法，其特征在于，所述根据所述训练速度谱和所述锚框信息的对应关系，训练得到速度谱拾取模型，还包括：
5.根据权利要求4所述的速度谱拾取模型训练方法，其特征在于，所述方法还包括：
6.根据权利要求1-5中任意一项所述的速度谱拾取模型训练方法，其特征在于，所述速度谱拾取模型为掩膜基于区域的卷积神经网络模型。
7.一种速度谱拾取方法，其特征在于，包括：
8.一种速度谱拾取系统，其特征在于，包括：
9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行如权利要求1至6或权利要求7中任一种所述方法的计
10.一种计算机可读存储介质，其特征在于，存储有能够被处理器加载并执行如权利要求1至6或权利要求7中任一种所述方法的计算机程序。
...【技术特征摘要】
1.一种速度谱拾取模型训练方法，其特征在于，包括：
2.根据权利要求1所述的速度谱拾取模型训练方法，其特征在于，所述根据预设的区域建议网络模型，确定所述特征图对应的锚框信息，包括：
3.根据权利要求2所述的速度谱拾取模型训练方法，其特征在于，所述锚框信息包括所述基准锚框的锚框信息，所述根据所述重叠度，确定锚框信息，包括：
4.根据权利要求1所述的速度谱拾取模型训练方法，其特征在于，所述根据所述训练速度谱和所述锚框信息的对应关系，训练得到速度谱拾取模型，还包括：
5.根据权利要求4所述的速度谱拾取模型训练方法，其特征在于，...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。