Publicación: Salt Segmentation on Seismic Images using Deep Learning: Unet Approach
| dc.contributor.advisor | Goyes, Paul | |
| dc.contributor.advisor | Hernández, Maria | |
| dc.contributor.author | Tavera, Daniel | |
| dc.contributor.author | Sánchez, Fabian | |
| dc.contributor.author | Farfán, Wilmer | |
| dc.contributor.authorcontact | daniel2194144@correo.uis.edu.co | |
| dc.contributor.evaluator | Jerez, Andrés | |
| dc.date.accessioned | 2024-02-24T23:06:43Z | |
| dc.date.available | 2024-02-24T23:06:43Z | |
| dc.date.created | 2022-03-11 | |
| dc.date.issued | 2024-02-24 | |
| dc.description.abstract | En este proyecto se llevó a cabo el análisis de imágenes sísmicas del desafío "Salt Segmentation Challenge" de Kaggle. Se utilizó una red neuronal U-Net proporcionada por uno de los participantes como base. Se realizaron modificaciones para mejorar su rendimiento y se añadieron características específicas para determinar la composición de sal en una imagen. Todo este proceso se desarrolló como parte de un proyecto de clase para la asignatura de Análisis Numérico. | |
| dc.description.abstractenglish | This document shows the development of a project on the segmentation of seismic images, specifically the segmentation of salt, in the oil industry sector, through research and analysis. The project was based on deep learning, using a neural network called U-net. | |
| dc.description.degreelevel | Maestría | |
| dc.description.degreename | Magíster en Ingeniería, Área Informática y Ciencias de la Computación | |
| dc.format.mimetype | application/msword | |
| dc.identifier.instname | Universidad Industrial de Santander | |
| dc.identifier.reponame | Universidad Industrial de Santander | |
| dc.identifier.repourl | https://noesis.uis.edu.co | |
| dc.identifier.uri | https://noesis.uis.edu.co/handle/20.500.14071/15828 | |
| dc.language.iso | eng | |
| dc.publisher | Universidad Industrial de Santander | |
| dc.publisher.faculty | Facultad de Ingeníerias Fisicomecánicas | |
| dc.publisher.program | Maestría en Ingeniería, Área Informática y Ciencias de la Computación | |
| dc.publisher.school | Escuela de Ingeniería de Sistemas e Informática | |
| dc.rights.accessrights | info:eu-repo/semantics/openAccess | |
| dc.rights.coar | http://purl.org/coar/access_right/c_abf2 | |
| dc.rights.creativecommons | Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) | |
| dc.rights.license | Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) | |
| dc.subject | deeplearning | |
| dc.subject | sismica | |
| dc.subject | unet | |
| dc.subject | petroleo | |
| dc.subject | oil | |
| dc.subject.keyword | seismic | |
| dc.subject.keyword | oil | |
| dc.subject.keyword | deeplearning | |
| dc.subject.keyword | unet | |
| dc.title | Salt Segmentation on Seismic Images using Deep Learning: Unet Approach | |
| dc.title.english | Salt Segmentation on Seismic Images using Deep Learning: Unet Approach | |
| dc.type.coar | http://purl.org/coar/resource_type/c_bdcc | |
| dc.type.hasversion | http://purl.org/coar/version/c_b1a7d7d4d402bcce | |
| dc.type.local | Tesis/Trabajo de grado - Monografía - Maestría | |
| dspace.entity.type | Publication |
Archivos
Bloque original
1 - 1 de 1
Cargando...
- Nombre:
- Salt Segmentation using Deep Learning: Unet Approach
- Tamaño:
- 1.2 MB
- Formato:
- Adobe Portable Document Format
- Descripción:
- En este proyecto se llevó a cabo el análisis de imágenes sísmicas del desafío "Salt Segmentation Challenge" de Kaggle. Se utilizó una red neuronal U-Net proporcionada por uno de los participantes como base. Se realizaron modificaciones para mejorar su rendimiento y se añadieron características específicas para determinar la composición de sal en una imagen. Todo este proceso se desarrolló como parte de un proyecto de clase para la asignatura de Análisis Numérico.
Bloque de licencias
1 - 1 de 1
Cargando...
- Nombre:
- license.txt
- Tamaño:
- 2.18 KB
- Formato:
- Item-specific license agreed to upon submission
- Descripción: