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

• 作者: 刘楚妮 王浩 班晓娟 薛维华 马博渊 高鸣飞 黄海友
• 来源期刊: 中国体视学与图像分析
• 学科: 工学
• 关键词: 显微组织 多晶体材料 图像分割 深度学习 区域感知
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 三维定量研究与三维重建
• 页码范围: 120-127
• 页数: 8页
• 分类号: TP3
• 语种: 中文
• DOI: 10.13505/j.1007-1482.2020.25.02.004

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	薛维华		16	51	5.0	6.0
2	王浩		6	0	0.0	0.0
3	马博渊		1	0	0.0	0.0
4	刘楚妮		1	0	0.0	0.0
5	高鸣飞		1	0	0.0	0.0
6	班晓娟		1	0	0.0	0.0
7	黄海友		1	0	0.0	0.0