Оглавление
Стр.
Введение . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
Глава1. Обзорсуществующихэффективныхметодовглубокого
обучениядлязадачобработкиданныхмикрокомпьютерной
томографиикерна. . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.1 Решениеобратнойзадачи . . . . . . . . . . . . . . . . . . . . . . . . 10
1.1.1 Одношаговыеметоды. . . . . . . . . . . . . . . . . . . . . . 11
1.1.2 Псевдоитерационныеметоды . . . . . . . . . . . . . . . . . 14
1.1.3 Выводы. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.2 Интерполяцияразреженныхсинограмм . . . . . . . . . . . . . . . . 19
1.2.1 Выводы. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.3 Фильтрацияилипостобработка . . . . . . . . . . . . . . . . . . . . 21
1.3.1 Классическийподход . . . . . . . . . . . . . . . . . . . . . . 22
1.3.2 Постобработкаспомощьюмоделейглубокогообучения . . 22
1.3.3 Выводы. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.4 Сегментация . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.4.1 Минералогическаясегментация . . . . . . . . . . . . . . . . 26
1.4.2 Выводы. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.5 Синтез3Dкернов . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.5.1 ГенерацияспомощьюGAN . . . . . . . . . . . . . . . . . . 29
1.5.2 Выводы. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.6 Выводы . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
Глава2. Предобработкаизображений . . . . . . . . . . . . . . . . . . . . 33
2.1 Фильтранизотропнойдиффузии . . . . . . . . . . . . . . . . . . . . 34
2.2 Явнаясхема . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.3 Неявнаясхема . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.3.1 Критерииостановкифильтрацииипроцессоценки
параметров. . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.3.2 Модификацияфильтра . . . . . . . . . . . . . . . . . . . . . 38
2.4 Выводы . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.5 Параллельнаяреализация . . . . . . . . . . . . . . . . . . . . . . . . 40
3
Стр.
Глава3. Методнеявнойрегуляризации—сбросвесов . . . . . . . . . . 43
3.1 Методсбросавесов . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.2 Формулировкаметодасбросавесов . . . . . . . . . . . . . . . . . . 47
3.3 Анализметода . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.3.1 Оценкаразличныхконфигурацийсбросавесов . . . . . . . 50
3.3.2 Сравнениесбросавесовсдругимиметодамирегуляризации 52
3.3.3 Влияниеметодасбросавесовнаповерхностьфункции
ошибкиитраекторииобучения . . . . . . . . . . . . . . . . 54
3.3.4 Анализраспределениявесов . . . . . . . . . . . . . . . . . . 55
3.3.5 Оценкасреднегозначенияидисперсиивесов . . . . . . . . 56
3.3.6 Экспериментальныйанализсмоделямиразличнойемкости 58
3.4 Выводы . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
Глава4. Проблемавосстановленияутраченныхобластейкерна. . . . . 65
4.0.1 Размерностьданных . . . . . . . . . . . . . . . . . . . . . . 65
4.0.2 Задачавосстановления . . . . . . . . . . . . . . . . . . . . . 66
4.0.3 Датасетитехническиеаспекты . . . . . . . . . . . . . . . . 68
4.1 ВосстановлениеизображенийсрезовметодамиГО. . . . . . . . . . 69
4.1.1 LSTM—Longshort-termmemory . . . . . . . . . . . . . . . 69
4.1.2 Вариационныйавтокодировщик . . . . . . . . . . . . . . . . 70
4.1.3 Cамообучающаясямодельоценкиоптическогопотока . . . 76
4.2 Анализрезультатов . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
4.3 Основныеограниченияпредложенногометодаивозможные
методыихснятия . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
4.4 Выводы . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
Заключение . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
Списоклитературы . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
Списокрисунков . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
Списоктаблиц . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .102
