Investigation of Neural Network Methods for Reconstruction and Classification of Texture Images Under Conditions of Incomplete Information

Sintesi Tecnica: Investigazione di Metodi di Reti Neurali per la Ricostruzione e la Classificazione di Immagini di Texture in Condizioni di Informazione Incompleta

Definizione del Problema
L'analisi automatizzata delle immagini di carote geologiche è frequentemente impedita da danni fisici, come fori di carotaggio, fratture e perdita di dati, che creano scenari di informazione incompleta. Sebbene il deep learning abbia fatto progressi nella log di litologia, le classiche Reti Neurali Convoluzionali (CNN) e i Vision Transformers (ViT) degradano significativamente quando applicati a dati danneggiati o "inpainted" dove il contesto semantico è ricostruito artificialmente. Esiste un gap critico nella comprensione della relazione tra la qualità percettiva dell'inpainting generativo delle immagini e l'utilità a valle di tali immagini ricostruite per la classificazione semantica. In particolare, rimane poco chiaro se una ricostruzione visiva ad alta fedeltà si traduca in un'identificazione litologica affidabile, specialmente per le classi minoritarie in dataset altamente sbilanciati.

Metodologia
Gli autori propongono una pipeline integrata, end-to-end, composta da quattro stadi sequenziali:

1. Pre-elaborazione (Rilevamento e Segmentazione): Un modello Faster R-CNN localizza le colonne di carota, mentre un Mask R-CNN esegue la segmentazione delle istanze per generare maschere binarie precise dei difetti fisici (es. fori di carotaggio).
2. Ricostruzione Avversaria (Inpainting): Viene impiegata una Generative Adversarial Network (GAN) con Aggregazione Residua Contestuale (CRA) per ricostruire le regioni mancanti. L'architettura utilizza un generatore a doppia via: una via a bassa risoluzione per il contesto strutturale globale e una via ad alta risolzione per il raffinamento della texture su scala granulare. Un Modulo di Calcolo dell'Attenzione (ACM) guida il trasferimento dei residui ad alta frequenza dalle regioni valide alle zone danneggiate. L'obiettivo di addestramento combina la perdita avversaria, la perdita di ricostruzione L1 per pixel e un termine di auto-ricostruzione auto-encoding per garantire la coerenza statistica senza deviare dalle texture circostanti valide.
3. Classificazione: Le immagini ricostruite vengono ritagliate in patch uniformi e classificate utilizzando varie architetture, inclusi network di texture specializzati (Deep Residual Pooling - DRP, Deep Encoding Pooling - DEP), CNN moderne (EfficientNetV2, ConvNeXt) e Vision Transformers (ViT, Swin Tiny).
4. Strategia di Ensemble: Per affrontare i fallimenti specifici dei singoli modelli, viene proposta una strategia di ensemble ibrida basata sulla confidenza, in cui un modello Swin Tiny sovrascrive le predizioni di EfficientNetV2 per classi minoritarie specifiche (vuoto, carota distrutta, carbone, roccia densa) quando la confidenza del Transformer supera la soglia dell'80%.

Configurazione Sperimentale e Validazione
Lo studio utilizza un dataset di 2.190 immagini ad alta risoluzione (sezioni di carota da 1 metro) provenienti da 16 pozzi di un singolo deposito nel Sud-Ovest del Kazakistan, coprendo nove facies litologiche. Un contributo metodologico critico è l'implementazione di una strategia di validazione cross-well rigorosa. A differenza delle standard divisioni casuali di patch che soffrono di leakage spaziale dei dati (portando ad accuratezze artificialmente elevate fino al 93,7%), gli autori hanno partizionato i dati a livello di pozzo (14 pozzi per l'addestramento, 2 pozzi distinti per il test) per garantire una valutazione realistica della generalizzazione.

Risultati Chiave

• Gap tra Ricostruzione e Classificazione: La CRA-GAN ha raggiunto un'alta fedeltà percettiva (PSNR 28,7 dB, SSIM 0,91, FID 74,01). Tuttavia, questa alta qualità visiva non ha garantito il successo della classificazione. L'accuratezza della classificazione si è stabilizzata a circa il 53% (Accuratezza Media di Classe ~48%) attraverso la maggior parte delle architetture, rivelando un "gap semantico" dove ricostruzioni visivamente plausibili contenevano caratteristiche "allucinate" che confondevano i classificatori.
• Performance delle Architetture:
  • Vision Transformers (ViT): Hanno sofferto di un grave overfitting (accuratezza di training ~98% vs accuratezza di test 48%) a causa della mancanza di bias induttivi spaziali in domini geologici limitati dai dati.
  • Swin Tiny: Ha mostrato sensibilità allo sbilanciamento delle classi, pendendo pesantemente verso le facies dominanti di argilla, sebbene abbia catturato indizi strutturali su larga scala utili per le classi minoritarie.
  • EfficientNetV2 & ConvNeX: Hanno dimostrato la generalizzazione di base più robusta (53% di accuratezza, 48% di MCA), attribuita allo scaling composto e alla resistenza all'overfitting.
• Impatto dell'Inpainting: Sebbene l'accuratezza complessiva sia rimasta invariata (53%) con o senza inpainting, la CRA-GAN ha fornito miglioramenti mirati per specifiche classi minoritarie. Ad esempio, il recall per "Roccia densa" è migliorato di 3,5 volte (0,02 a 0,07) e l'F1-score per "Arenaria a grana media" è aumentato di 0,05, indicando che il ripristino della continuità strutturale favorisce l'estrazione di feature per litologie complesse.
• Ensemble Ibrido: L'ensemble basato sulla confidenza (EfficientNetV2 + Swin Tiny) ha elevato l'Accuratezza Media di Classe (MCA) dal 48% al 58% sovrascrivendo selettivamente le predizioni per le classi minoritarie. Ciò è avvenuto a costo di una leggera riduzione dell'accuratezza complessiva (dal 53% al 49%), un compromesso ritenuto accettabile per migliorare la rilevazione di facies economicamente critiche e sottorappresentate.

Significatività e Rivendicazioni
Il paper sostiene che gli attuali modelli allo stato dell'arte generativi, pur essendo visivamente efficaci, possano produrre caratteristiche semanticamente ambigue che confondono i classificatori a valle. Lo studio quantifica esplicitamente la dipendenza tra la qualità della ricostruzione e la performance di classificazione, dimostrando che le metriche percettive elevate non sono predittori sufficienti di utilità nell'analisi geologica automatizzata.

Gli autori posizionano il sistema risultante non come un classificatore completamente autonomo, ma come uno strumento di supporto alle decisioni e di screening. Data la persistente soglia di accuratezza cross-well del 49–53%, la pipeline è progettata per automatizzare il primo passaggio laborioso sulle immagini di carote danneggiate e dare priorità dell'attenzione esperta verso candidati litofacies, in particolare le classi minoritarie come carbone e roccia densa. Il lavoro offre una baseline riproducibile per il testing non distruttivo e la scienza dei materiali, evidenziando la necessità di una validazione cross-well rigorosa per evitare affermazioni di performance gonfiate dal data leakage.

Limitazioni e Direzioni Future
Gli autori riconoscono limitazioni, tra cui la dipendenza da immagini RGB (che mancano di dati spettrali per risolvere facies litologiche transitorie) e un dataset dimensionale limitato proveniente da un singolo deposito. Si propone come lavoro futuro l'integrazione di dati iperspettrali, lo sviluppo di una classificazione consapevole dell'incertezza per le regioni sintetiche, la creazione di metriche di inpainting semanticamente consapevoli e l'utilizzo di generazione di dati sintetici informata dalla fisica per mitigare lo sbilanciamento delle classi.