计算机工程

作者：尚佳童, 雷涛, 张栋, 杜晓刚, 翟钰杰

单位：1. 陕西科技大学 陕西省人工智能联合实验室, 西安 710021;2. 陕西科技大学 电子信息与人工智能学院 西安 710021

关键词：油藏驱替,图像分割,深度卷积神经网络,可变形卷积,注意力机制

基金：国家自然科学基金（61871259）；陕西省自然科学基础研究计划（2021JC-47）；陕西省人工智能联合实验室资助项目（2020SS-03）；陕西省重点研发计划（2021ZDLGY08-07）。

通过分割刻蚀图像计算驱油率是目前衡量油藏驱替技术的重要手段。由于刻蚀图像边缘模糊、噪声大且水油像素分散，目前主流的图像分割网络分割精度低、分割速度慢，难以获得较好的分割结果。提出一种用于刻蚀图像分割的轻量可变形编解码网络（LDNet）。在特征编码阶段利用偏移量学习水油目标形状和边缘特征，改善网络的特征表达能力，并通过深度卷积和逐点卷积有效降低网络参数量。在特征融合阶段设计协同耦合注意力模块，将通道注意力进行分解，并分别沿2个空间方向聚合特征，将特征图编码为方向和位置感知的特征图，从而将位置信息嵌入到通道注意力中，提升模型的鲁棒性。实验结果表明，LDNet网络的分割精度为89.94%，模型大小仅为16.63×106，在资源受限的设备中有效提高刻蚀图像的分割精度，降低驱油率误差，加快模型的推理速度。

来源：2022年第12期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第12期