Breakout-picker：音響イメージログに基づく掘削孔ブレイクアウト深層学習の誤検出（ファルスポジティブ）低減
arXiv cs.CV / 2026/4/20
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 掘削孔ブレイクアウトは音響イメージログで識別され、現地応力解析における精度の高い評価に重要だが、既存の深層学習手法は非ブレイクアウトの類似特徴を誤って分類し、ファルスポジティブ率が高くなりがちである。
- 本研究では、自動的なブレイクアウト特性推定におけるファルスポジティブを特に減らすことを目的とした深層学習フレームワーク「Breakout-picker」を提案する。
- Breakout-pickerは、天然のフラクチャー、キーシーツ、ログアーティファクトなど、低い音響振幅や局所的な掘削径の増大といったブレイクアウトに類似した特徴をもつネガティブサンプルを学習に組み込むことで識別性能を高める。
- さらに、ブレイクアウトで期待される方位角の近い対称性を示さない検出候補を除外する「方位対称性」基準で候補を検証・フィルタリングする。
- 3つの異なる地域の音響イメージログデータセットで評価した結果、Breakout-pickerは他の自動手法よりも精度が高く、ファルスポジティブ率が大幅に低いことが示された。
