
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.contributor | Universidade Estadual de Campinas (UNICAMP) | - |
| Autor(es): dc.contributor | Development and Innovation Center (Cenpes) | - |
| Autor(es): dc.creator | Roder, Mateus | - |
| Autor(es): dc.creator | Passos, Leandro Aparecido | - |
| Autor(es): dc.creator | Pereira, Clayton | - |
| Autor(es): dc.creator | Papa, João Paulo | - |
| Autor(es): dc.creator | de Mello, Altanir Flores | - |
| Autor(es): dc.creator | de Rezende, Marcelo Fagundes | - |
| Autor(es): dc.creator | Silva, Yaro Moisés Parizek | - |
| Autor(es): dc.creator | Vidal, Alexandre | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T18:19:58Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T18:19:58Z | - |
| Data de envio: dc.date.issued | 2025-04-29 | - |
| Data de envio: dc.date.issued | 2023-12-31 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.5220/0012429100003660 | - |
| Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/308675 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/308675 | - |
| Descrição: dc.description | Lithological classification is a process employed to recognize and interpret distinct structures of rocks, providing essential information regarding their petrophysical, morphological, textural, and geological aspects. The process is particularly interesting regarding carbonate sedimentary rocks in the context of petroleum basins since such rocks can store large quantities of natural gas and oil. Thus, their features are intrinsically correlated with the production potential of an oil reservoir. This paper proposes an automatic pipeline for the lithological classification of carbonate rocks into seven distinct classes, comparing nine state-of-the-art deep learning architectures. As far as we know, this is the largest study in the field. Experiments were performed over a private dataset obtained from a Brazilian petroleum company, showing that MobileNetV3large is the more suitable approach for the undertaking. | - |
| Descrição: dc.description | Department of Computing São Paulo State University (UNESP) | - |
| Descrição: dc.description | Institute of Geosciences Campinas State University (UNICAMP) | - |
| Descrição: dc.description | Research Center Leopoldo Americo Miguez de Mello Research Development and Innovation Center (Cenpes) | - |
| Descrição: dc.description | Department of Computing São Paulo State University (UNESP) | - |
| Formato: dc.format | 648-655 | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | Proceedings of the International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | Convolutional Neural Networks | - |
| Palavras-chave: dc.subject | Lithological Classification | - |
| Palavras-chave: dc.subject | Pre-Salt Rocks | - |
| Título: dc.title | Convolutional Neural Networks and Image Patches for Lithological Classification of Brazilian Pre-Salt Rocks | - |
| Tipo de arquivo: dc.type | aula digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: