多类训练迭代法在沉积盆地圈闭定量预测中的应用

本文介绍了多类训练迭代法计算的基本原理和计算过程．将此法成功地应用于某沉积盆地的含油气有利圈闭的预测，结果表明未钻探的３８个圈闭共分３类，其中１０个圈闭为Ｉ类，８个圈闭为Ⅱ类，其余的２０个圈闭为Ⅲ类．从而为该区油气的进一步勘探和提高钻井成功率提供了理论依据．

多类训练迭代法在沉积盆地圈闭评价中的应用

本文介绍了多类训练迭代法计算的基本原理和计算过程。将此法成功地应用于某沉积盆地的圈闭评价中，结果表明未钻探的３８ 个圈闭可分三类，其中１０ 个圈闭为Ⅰ类，８ 个圈闭为Ⅱ类，其余的２０

面向多类物体草图的三维形状生成统一模型

现有基于草图的三维建模深度神经网络普遍需要针对特定类别单独训练,泛化性差;而多类同时训练容易产生类别混淆及三维模型细节缺失.基于无监督的草图到模型生成框架,提出适用于多类物体统一训练的三维模型生成网络MC-SketchModNet.首先在生成过程中,通过草图类别编码融合草图特征共同输入生成网络,建立草图表达的三维模型与物体类别之间的关联;然后在训练阶段增加监督视角,提供更多草图生成三维模型的约束,消除生成模型的类别歧义性.在ShapeNet的合成草图数据集和手绘草图数据集上的实验结果表明,MC-SketchModNet能够有效地消除生成三维模型的类别混淆现象,获得质量更高、细节更丰富的三维模型,在体素交并比指标上,比多类训练的基线方法SoftRas提升4.91%;该网络中引入的类别编码能够支持生成模型目标类别的交互调控,在草图轮廓语义模糊时进行类别引导的模型生成.