本文主要是介绍Multigranularity Feature Fusion Convolutional Neural Network for Seismic Data Denoising，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
Multigranularity Feature Fusion Convolutional Neural Network for Seismic Data Denoising
- 1. 摘要
- 2. 介绍
- 3. 实现
- 3.1 模型
- 3.2 公式介绍和合成数据集介绍
- 3.3 评价指标
- 3.4 合成数据和现场数据的检验
- 4. 感想
Neural Network for Seismic Data Denoising)
1. 摘要
简要概述CNN，指出CNN的不足，无法提取不同粒度的特征，那么本文就采用自己提出的方法MFFCNN进行提取多粒度特征
2. 介绍
说明去噪的困难和有用性，接下来阐述去噪方法，如下图所示：
接下来就介绍基于CNN去噪方法的不足，不能提取多特征，而自己基于CNN的方法可以提取多特征。
3. 实现
3.1 模型
整体模型
Block的具体实现
3.2 公式介绍和合成数据集介绍
使用Ricker小波构造一个干净的合成地震剖面作为训练数据
3.3 评价指标
PSRN、SSIM、SNR
3.4 合成数据和现场数据的检验
首先使用合成数据，加噪在进行去噪，评价指标有PSRN、SSIM、SNR，并绘制了时域和频域图，通过绘制干净数据的时频图和去噪后的时频图进行对比。
接下来就是现场数据集进行测试，评价指标就是看图片的清晰度和噪声中是否有信号，还有就是局部能量图作为一个重要指标，看能量是否泄露。
4. 感想
通过GooleNet的模型直接使用到地震数据去噪，但是为了增加创新点，改变了说法，说成提取多粒度。
文章思路清晰，特别是摘要和简介写的特别好。公式简洁明了，模型清晰，论文中使用的图十分丰富。
这篇关于Multigranularity Feature Fusion Convolutional Neural Network for Seismic Data Denoising的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
