La identificación precisa de fallas es esencial para la interpretación geológica y la explotación de yacimientos. Sin embargo, la composición confusa y ruidosa de los datos sísmicos dificulta identificar la estructura completa de fallas utilizando métodos convencionales. Por lo tanto, hemos desarrollado una red en forma de U atencional (EAResU-net) basada en fusión mejorada de características para la interpretación automatizada de extremo a extremo de fallas en datos sísmicos 3D. EAResU-net utiliza un mecanismo de fusión de características mejorado para reducir la brecha semántica entre el codificador y el decodificador y mejorar la representación de las características de fallas en combinación con estructuras residuales. Además, EAResU-net introduce un mecanismo de atención, que suprime eficazmente el ruido de los datos sísmicos y mejora la precisión del modelo. Los resultados experimentales en datos sintéticos y de campo demuestran que, en comparación con los métodos tradicionales de aprendizaje profundo para la detección de fallas, nuestro EAResU-net puede lograr resultados de reconocimiento de fallas más precisos y continuos.