[发明专利]基于深度学习网络的初至拾取方法及装置

权利要求书

1.一种基于深度学习网络的初至拾取方法，其特征在于，包括：

采集预设显示参数下的原始地震炮集数据的密度显示图像；

将所述密度显示图像切割为多个预设大小的初至样本图像；

将多个预设大小的初至样本图像输入至预先训练好的深度网络模型中，输出多个初至预测结果图像；

将多个初至预测结果图像进行合成，生成与原始地震炮集数据对应的初至拾取结果图像；

自初至拾取结果图像中提取出初至时间。

2.如权利要求1所述的方法，其特征在于，采集预设显示参数下的原始地震炮集数据的密度显示图像之前，所述方法还包括：

获取预设显示参数下的地震炮集样本数据和初至标签数据，所述初至标签数据用于在地震炮集样本数据中标识初至波位置；

利用所述地震炮集样本数据和所述初至标签数据对深度网络模型进行训练。

3.如权利要求1所述的方法，其特征在于，所述深度网络模型采用的损失函数为如下交叉熵：

其中，y为期望输出，a为神经无实际输出，a＝σ(z)wherez＝∑W_j*X_j+b其中σ为神经元激励函数，W_j为神经元权值，X_j为神经元输入，b为常值。

4.如权利要求1所述的方法，其特征在于，自初至拾取结果图像中提取出初至时间，包括：

自初至拾取结果图像中删除小于预设值的初至拾取结果数据，提取出初至时间。

5.一种基于深度学习网络的初至拾取装置，其特征在于，包括：

图像采集模块，用于采集预设显示参数下的原始地震炮集数据的密度显示图像；

图像切割模块，用于将所述密度显示图像切割为多个预设大小的初至样本图像；

初至预测结果图像输出模块，用于将多个预设大小的初至样本图像输入至预先训练好的深度网络模型中，输出多个初至预测结果图像；

初至预测结果图像合成模块，用于将多个初至预测结果图像进行合成，生成与原始地震炮集数据对应的初至拾取结果图像；

初至时间提取模块，用于自初至拾取结果图像中提取出初至时间。

6.如权利要求5所述的装置，其特征在于，所述装置还包括：

数据获取模块，用于获取预设显示参数下的地震炮集样本数据和初至标签数据，所述初至标签数据用于在地震炮集样本数据中标识初至波位置；

深度网络模型训练模块，用于利用所述地震炮集样本数据和所述初至标签数据对深度网络模型进行训练。

7.如权利要求5所述的装置，其特征在于，所述深度网络模型采用的损失函数为如下交叉熵：

其中，y为期望输出，a为神经无实际输出，a＝σ(z)wherez＝∑W_j*X_j+b其中σ为神经元激励函数，W_j为神经元权值，X_j为神经元输入，b为常值。

8.如权利要求5所述的装置，其特征在于，初至时间提取模块进一步用于：

自初至拾取结果图像中删除小于预设值的初至拾取结果数据，提取出初至时间。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4任一所述方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至4任一所述方法的计算机程序。