Kaggle新上比赛：地震图像的盐体分割

(关注“我爱计算机视觉”公众号，一个有价值有深度的公众号~)

数据量不大，非常适合个人和小团队参加，奖金丰厚，目前全球已经有114支队伍参赛，使用深度学习语义分割的模型应该是解决问题的主流方法。

比赛描述

地球上有大量石油和天然气聚集的地区往往也会在地表下面形成巨大的盐沉积物。

但遗憾的是，了解大型盐矿的确切位置非常困难。专业的地震成像仍然需要人类专家的解释来确定盐体位置。这导致渲染地震成像中的盐矿是非常主观的，高度可变的。更令人担忧的是，这会给石油和天然气公司的钻探人员带来潜在的危险情况。

为了创建最准确的地震图像和3D渲染，TGS（世界领先的地球科学数据公司）希望Kaggle的机器学习社区能够构建一种算法，自动准确地识别地下目标是否为盐。

地震图像是通过对来自岩石边界的反射进行成像来产生的。它显示了不同岩石类型之间的界限。理论上来说，反射强度与界面两侧物理性质的差异成正比。虽然地震图像显示了岩石边界，但它们并不能反映岩石本身的特性;有些岩石易于识别，有些岩石很难识别。

世界上有几个地区的地下有大量的盐。地震成像的挑战之一是识别地下部分是盐。盐具有使其既简单又难以识别的特征。盐密度通常为2.14克/立方厘米，低于大多数周围的岩石。盐的地震速度为4.5千米/秒，通常比周围的岩石快。这种差异在盐–沉积物界面处产生了明显的反射。通常盐是无定形岩石，没有太多的内部结构。这意味着盐中通常没有太大的反射率，除非其中有其他沉积物。盐的异常高的地震速度可能带来产生地震成像的问题。

比赛数据

kaggle比赛所用的数据是随机选取的不同地下位置的一组图像。图像为101 x 101像素“灰度图像”，每个像素分为盐或沉积物。除了地震图像之外，还为每个图像提供成像位置的深度。比赛的目标是分割标示出含盐区域。

训练图像示例：

训练集包含4000幅101 x 101像素地震图像和与其对应的标示出盐体的mask图像、地下深度数据，测试集包含18000幅相同大小的地震图像和与其对应的深度数据。

比赛参与者的目标是使用算法为18000幅地震图像生成盐体mask图像。

奖项设置

总奖池100000美金，前五名可以获得奖金，分别为

时间节点

报名截止2018年10月12日

最后提交日期2018年10月19日

https://www.kaggle.com/c/tgs-salt-identification-challenge