[发明专利]基于卷积对抗神经网络的裂缝识别技术

权利要求书

1.基于卷积对抗神经网络的裂缝识别技术，其特征在于，包括以下步骤：

S1、准备数据，收集叠后地震数据以及对应的裂缝标签图；

S2、构建网络，定义生成器和判别器，以及计算的损失函数；

S3、将叠后地震数据作为生成器的原材料，生成对应的裂缝特征图，进入判别器与真实对应标签进行比对；

S4、提取建立好的网络中的生成器；

S5、输入不同的叠后地震数据，通过生成器实现对应的裂缝展布预测和样本扩充。

2.根据权利要求1所述的基于卷积对抗神经网络的裂缝识别技术，其特征在于，在所述步骤S2中，所述构建网络包括定义GAN网络的目标、定义生成器的输入和输出、定义判别器的输入和输出以及定义生成器和判别器的网络架构。

3.根据权利要求2所述的基于卷积对抗神经网络的裂缝识别技术，其特征在于，所述定义GAN网络的目标是指叠后地震数据作为生成器原材料，生成对应的裂缝展布形态。

4.根据权利要求2所述的基于卷积对抗神经网络的裂缝识别技术，其特征在于，所述定义生成器的输入和输出是指生成器的输入为叠后地震数据，生成器的输出为生成的裂缝展布信息。

5.根据权利要求2所述的基于卷积对抗神经网络的裂缝识别技术，其特征在于，所述定义判别器的输入和输出是指判别器判断一个输入的结果是真实的结果还是假的结果，判别器的输入为真实的裂缝展布和假的裂缝展布，判别器的输出为输出的裂缝展布是真实裂缝展布的概率。

6.根据权利要求2所述的基于卷积对抗神经网络的裂缝识别技术，其特征在于，所述定义生成器和判别器的网络架构是指输入为一个地震数据z，输出为生成的裂缝展布。

7.根据权利要求1所述的基于卷积对抗神经网络的裂缝识别技术，其特征在于，在所述步骤S2中，所述损失函数的公式为：loss＝min_Gmax_DV(D,G)＝E_x-Pdata(x)[logD(x)]+E_z-Pz(z)[log(1-D(G(Z)))]，其中，D(x)表示x是裂缝展布形态概率，D(x)∈[0,1]，x-Pdata(x)表示x是真实的裂缝展布数据，z-Pz(z)表示z是叠后地震数据，G(z)表示将叠后数据输入生成器后生成的裂缝展布图。

8.根据权利要求1所述的基于卷积对抗神经网络的裂缝识别技术，其特征在于，在所述步骤S3中，进行对比时，判别为假返回生成器，修改生成器，再进行生成循环，不断的修改判别器和生成器，直到最后生成与实际标签数据对应的数据为止。