Анализ архитектур нейронных сетей для сегментации пород

Abstract

Распространение искусственного интеллекта в нефтегазовой сфере подталкивает к интенсивному применению методов машинного обучения, в особенности нейросетей, при исследовании образцов пород. В данной работе исследуются различные архитектуры нейронных сетей (U-Net, U-Net++, YOLO, Segnet) и результаты их работы на изображениях керна для выявления наиболее эффективной для данной задачи модели, а также преимуществ каждой из моделей. Результаты исследования могут применяться в дальнейшем для подбора архитектуры сети наиболее подходящей для решения задачи, связанной с сегментацией образцов пород