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

Resumo Técnico: Investigação de Métodos de Redes Neurais para Reconstrução e Classificação de Imagens de Textura sob Condições de Informação Incompleta

Definição do Problema
A análise automatizada de imagens de testemunhos de perfuração geológica é frequentemente impedida por danos físicos, como furos de plugues, fraturas e perda de dados, que criam cenários de informação incompleta. Embora o aprendizado profundo tenha avançado na descrição litológica, as Redes Neurais Convolucionais (CNNs) e os Vision Transformers (ViTs) padrão degradam-se significativamente quando aplicados a dados danificados ou "inpintados" onde o contexto semântico é reconstruído artificialmente. Existe uma lacuna crítica na compreensão da relação entre a qualidade perceptual da inpainting generativa de imagens e a utilidade downstream dessas imagens reconstruídas para a classificação semântica. Especificamente, permanece incerto se uma reconstrução visual de alta fidelidade se traduz em identificação litológica confiável, particularmente para classes minoritárias em conjuntos de dados altamente desbalanceados.

Metodologia
Os autores propõem um pipeline integrado e de ponta a ponta compreendendo quatro estágios sequenciais:

1. Pré-processamento (Detecção e Segmentação): Um modelo Faster R-CNN localiza as colunas de testemunho, enquanto um Mask R-CNN realiza a segmentação de instância para gerar máscaras binárias precisas de defeitos físicos (ex: furos de plugue).
2. Reconstrução Adversária (Inpainting): Uma Rede Adversária Generativa (GAN) de Agregação de Resíduos Contextuais (CRA) é empregada para reconstruir as regiões ausentes. A arquitetura utiliza um gerador de via dupla: um caminho de baixa resolução para contexto estrutural global e um caminho de alta resolução para o refinamento da textura em escala de grão. Um Módulo de Computação de Atenção (ACM) guia a transferência de resíduos de alta frequência de regiões válidas para zonas danificadas. O objetivo de treinamento combina perda adversária, perda de reconstrução L1 pixel a pixel e um termo de auto-reconstrução de auto-codificador para garantir consistência estatística sem derivar das texturas circundantes válidas.
3. Classificação: As imagens reconstruídas são recortadas em patches uniformes e classificadas usando várias arquiteturas, incluindo redes de textura especializadas (Deep Residual Pooling - DRP, Deep Encoding Pooling - DEP), CNNs modernas (EfficientNetV2, ConvNeXt) e Vision Transformers (ViT, Swin Tiny).
4. Estratégia de Ensemble: Para abordar os modos de falha específicos de modelos individuais, um ensemble híbrido baseado em confiança é proposto, onde um modelo Swin Tiny substitui as predições do EfficientNetV2 para classes minoritárias específicas (branco, testemunho destruído, carvão, rocha densa) quando a confiança do Transformer excede um limiar de 80%.

Configuração Experimental e Validação
O estudo utiliza um conjunto de dados de 2.190 imagens de alta resolução (seções de testemunho de 1 metro) de 16 poços de um único depósito no sudoeste do Cazaquistão, cobrindo nove fácies litológicas. Uma contribuição metodológica crítica é a implementação de uma estratégia de validação rigorosa entre poços (cross-well validation). Diferente das divisões de patches aleatórios padrão que sofrem de vazamento de dados espaciais (resultando em acurácias artificialmente altas de até 93,7%), os autores particionaram os dados ao nível do poço (14 poços para treinamento, 2 poços distintos para teste) para garantir uma avaliação realista da generalização.

Resultos Principais

• Lacuna Reconstrução vs. Classificação: A CRA-GAN alcançou alta fidelidade perceptual (PSNR 28,7 dB, SSIM 0,91, FID 74,01). No entanto, essa alta qualidade visual não garantiu o sucesso da classificação. A acurácia da classificação estagnou em aproximadamente 53% (Acurácia Média de Classe ~48%) em todas as arquiteturas, revelando um "gap semântico" onde reconstruções visualmente plausíveis continham características "alucinadas" que confundiam os classificadores.
• Desempenho de Arquitetura:
  • Vision Transformers (ViT): Sofreram de overfitting severo (acurácia de treinamento ~98% vs. acurácia de teste 48%) devido à falta de vieses indutivos espaciais em domínios geológicos limitados por dados.
  • Swin Tiny: Mostrou sensibilidade ao desbalanceamento de classes, enviesando fortemente para a fácies de argila dominante, embora tenha capturado pistas estruturais de grande escala benéficas para classes minoritárias.
  • EfficientNetV2 & ConvNeXt: Demonstraram a generalização de baseline mais robusta (53% de acurácia, 48% de MCA), atribuída ao escalonamento composto e resistência ao overfitting.
• Impacto da Inpainting: Embora a acurácia geral tenha permanecido inalterada (53%) com ou sem inpainting, a CRA-GAN proporcionou melhorias direcionadas para classes minoritárias específicas. Por exemplo, o recall para "Rocha densa" melhorou 3,5 vezes (0,02 para 0,07) e o F1-score de "Arenito de grão médio" aumentou em 0,05, indicando que a restauração da continuidade estrutural auxilia a extração de características para litologias complexas.
• Ensemble Híbrido: O ensemble baseado em confiança (EfficientNetV2 + Swin Tiny) elevou a Acurácia Média de Classe (MCA) de 48% para 58% ao substituir seletivamente as predições para classes minoritárias. Isso ocorreu ao custo de uma ligeira redução na acurácia geral (53% para 49%), um trade-off considerado aceitável para melhorar a detecção de fácies sub-representadas e economicamente críticas.

Significância e Alegações
O artigo postula que os modelos generativos de última geração atuais, embora visualmente eficazes, podem produzir características semanticamente ambíguas que confundem os classificadores subsequentes. O estudo quantifica explicitamente a dependência entre a qualidade da reconstrução e o desempenho da classificação, demonstrando que métricas perceptuais elevadas são insuficientes preditores de utilidade na análise geológica automatizada.

Os autores posicionam o sistema resultante não como um classificador totalmente autônomo, mas como uma ferramenta de suporte à decisão e triagem. Dada a persistente barreira de acurácia entre poços de 49–53%, o pipeline é projetado para automatizar a primeira passagem laboriosa sobre imagens de testemunhos danificados e priorizar a atenção do especialista para candidatos a litofácies, particularmente classes minoritárias como carvão e rocha densa. O trabalho oferece uma base reprodutível para testes não destrutivos e ciência dos materiais, destacando a necessidade de validação rigorosa entre poços para evitar alegações de desempenho infladas causadas por vazamento de dados.

Limitações e Direções Futuras
Os autores reconhecem limitações, incluindo a dependência de imagens RGB (que carecem de dados espectrais para resolver fácies litológicas de transição) e um conjunto de dados limitado de um único depósito. O trabalho futuro propõe integrar dados hiperespectrais, desenvolver classificação consciente de incerteza para regiões sintéticas, criar métricas de inpainting conscientes de semântica e utilizar geração de dados sintéticos informada pela física para mitigar o desbalanceamento de classes.