融合四种注意力机制的多尺度残差地震数据去噪网络OA北大核心CSTPCD
Multiscale residual seismic data denoising network with fusion of quadruple attentions
去除随机噪声是地震数据处理的一个重要步骤.基于卷积神经网络的很多方法只考虑单尺度特征,不能自适应地线性聚合地震数据特征,因而难以去除复杂的噪声并保护弱信号.提出融合四种注意力机制的多尺度卷积残差地震去噪网络(MARN),它主要包括三个部分:单尺度特征提取层、多尺度特征取层、特征恢复层.单尺度特征提取层使用单个相同卷积核提取全局特征.多尺度特征提取层包含多个残差多尺度注意力特征提取块(RMSAB),每块由多个多轴注意力多尺度特征融合块(MAFB)组…查看全部>>
Random noise denoising is an important step in seismic data processing.Many methods based on convolutional neural networks only consider single-scale features and cannot adaptively linearly aggregate seismic data features,resulting in difficulties in removing complex noise and protecting weak signals.In this paper,a multi-scale convolutional residual seismic denoising network fusing quadruple attention mechanisms(MARN)is proposed.It consists of three main pa…查看全部>>
高磊;樊星灿;乔昊炜;闵帆;杨梅
西南石油大学计算机与软件学院,成都,610500||西南石油大学人工智能研究院,成都,610500||西南石油大学机器学习研究中心,成都,610500西南石油大学计算机与软件学院,成都,610500西南石油大学计算机与软件学院,成都,610500西南石油大学计算机与软件学院,成都,610500||西南石油大学人工智能研究院,成都,610500||西南石油大学机器学习研究中心,成都,610500西南石油大学计算机与软件学院,成都,610500||西南石油大学人工智能研究院,成都,610500||西南石油大学机器学习研究中心,成都,610500
地质学
去除随机噪声卷积神经网络多注意力机制多尺度特征残差网络
random noise denoisingconvolutional neural networkmulti-attention mechanismsmulti-scale featuresresidual network
《南京大学学报（自然科学版）》 2024 (5)
763-775,13
南充市-西南石油大学市校科技战略合作专项资金(23XNSYSX0084)
评论