首页|基于深度学习和区域感知的多晶体显微组织图像分割方法

基于深度学习和区域感知的多晶体显微组织图像分割方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
材料微观组织结构表征是成分-工艺-组织-性能内禀关系研究中的重要环节.通常采用图像技术对材料显微组织图像进行处理和分析是获取材料微观组织结构特征的主要途径.本文针对材料组织图像分割任务,提出了一种基于深度学习和区域感知的图像分割方法.通过将形状信息作为约束条件引入深度学习的损失函数中,驱使网络在训练过程中更加关注分割目标的形状特征,提升准确度.实验结果表明,本文提出的加权损失函数在4种基线模型上的性能均超过9种经典的损失函数加权方法.
Region aware image segmentation for polycrystalline micrographic image using deep learning

马博渊、刘楚妮、高鸣飞、班晓娟、黄海友、王浩、薛维华

展开 >

北京材料基因工程高精尖创新中心(北京科技大学)

材料领域知识工程北京市重点实验室(北京科技大学)

北京科技大学计算机与通信工程学院

北京科技大学新材料技术研究院

北京科技大学材料科学与工程学院, 北京 100083

辽宁工程技术大学材料科学与工程学院, 辽宁阜新123099

展开 >

显微组织 多晶体材料 图像分割 深度学习 区域感知

国家重点研发计划

2016YFB0700500

2020

10.13505/j.1007-1482.2020.25.02.004

中国体视学与图像分析
中国体视学学会

中国体视学与图像分析

影响因子：0.293
ISSN：1007-1482
年,卷(期)：2020.25(2)
  • 3
  • 2