(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210857112.3 (22)申请日 2022.07.20 (71)申请人 合肥综合 性国家科 学中心人工智能 研究院 （安徽省人工智能实验室） 地址 230000 安徽省合肥市望江西路5 089 号， 中国科学技术大学先进技术研究 院未来中心B120 5-B1208 (72)发明人 李泽瑞　康宇　吕文君　 (74)专利代理 机构 合肥天明专利事务所(普通 合伙) 34115 专利代理师 谢中用　金凯 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于注意力机制的地震图像解释方法 (57)摘要 本发明涉及地震图像解释领域， 公开了一种 基于注意力机制的地震图像解释方法， 通过调整 局部的地震属性及空间信息的注 意力， 加强对分 割有用的像素及属性， 抑制无用的像素或属性， 可加快训练过程， 提升解释性能。 权利要求书2页 说明书4页 附图1页 CN 115331047 A 2022.11.11 CN 115331047 A 1.一种基于注意力机制的地震图像解释方法， 包括以下步骤： 步骤一 ： 收集地震图像的数据集及对应的解释结果 ， 记第i幅地震图像为 其中i＝1， 2， ...， Ur， Ur表示数据集中地震图像的数量， Mr， Nr， 分别 为地震图像的长、 宽和地震属性数量； 将地震图像统一分割成长和宽均为wu的分割图像， 组 成训练样本， 其中分割图像的地震属性数量 仍为 分割图像的数量记为Uu； 步骤二： 设定解释网络F的结构以及目标函数， 目标函数为： 其中， np为分割图像的像素数量； C为类别数量； 表示是否分类正确， 如果分割图像第 i个像素的真实类别为c(c＝1， 2， ...， C)， 则 否则 表示将分割图像第 i个 像素分为类别c的概 率； 步骤三： 将训练样本 中的分割图像输入到解释网络F中， 并采用梯度 下降方法进行训练 直到目标函数收敛， 得到网络参数， 同时获得训练完毕的解释网络G； 步骤四： 将待解释的地震图像X分割 为长和宽均为wu的分割图像后， 输入至训练完毕 的 解释网络G， 得到解释结果， 将所有分割图像的解释结果组合即可得到待解释的地震图像X 的解释结果。 2.根据权利要求1所述的基于注意力 机制的地震图像解释方法， 其特征在于： 步骤二中 的解释网络F包括F1模块、 F2模块和F3模块； F1模块以分割图像作为输入， 并根据局部属性注 意力机制得到增强特征图h1； F2模块以增强特征图h1作为输入， 并根据空间注 意力机制进一 步进行特征增强， 得到增强特征图h2； F3模块为基于图像分割网络的分类器， F3模块以增强 特征图h2作为输入， 通过 特征学习得到最终的解释结果 3.根据权利要求2所述的基于注意力机制的地震图像解释方法， 其特征在于： F1模块以 分割图像作为输入并根据局部属性注意力机制得到增强特 征图h1时， 具体包括以下步骤： 将输入的分割图像uX再分割成长和宽分别为hp和wp的图像块， 计算图像块第a个地震属 性的平均描述子 以及最大描述子maxza＝max({va(1， 1)， ...， va(1， wp)， ...， va(hp， 1)， ...， va(hp， wp)})； 其中va(i， j)表示图像块第a个地震属性 中(i， j)处的像素值， 个地震属性的平均描述子和最大描述子分别组成 向量avez和maxz， 则联合描述子conz＝avez+maxz， 联合描述子conz的维度为 联合描述子图 联合描述子图Zh的行数和列数分别为 生成注意力图 其中Hr表示降维比为r的1 ×1卷积， Hi为将维度 还原为 的1×1卷积， σ 和 δ 分别表示Sigmo id函数和ReLU函数， FU表示上采样 操作； 然后得到所述的增强特征图 其中 表示按元素权　利　要　求　书 1/2 页 2 CN 115331047 A 2相乘。 4.根据权利要求3所述的基于注意力机制的地震图像解释方法， 其特征在于： F2模块以 增强特征图h1作为输入， 并根据空 间注意力机制进一步进行特征增强得到增强特征图h2时， 包括以下步骤： 计算增强特 征图h1空间点(i， j)处的平均描述子avezi， j和最大描述子maxzi， j： 平均描述子avezi， j对应的平均描述子图为 最大描述子maxzi， j对应的 最大描述子图 则增强特征图h2＝h1+h1σ [HcZcon]， Zcon表示将aveZ和maxZ串联得到的联合描述子图， Hc表 示将联合描述子图Zcon的维度转换为1的1 ×1卷积。权　利　要　求　书 2/2 页 3 CN 115331047 A 3