EMCNet : Graph-Nets for Electron Micrographs Classification

要約

電子顕微鏡写真による材料の特性評価は、いくつかの材料加工産業において重要かつ困難な課題です。
電子顕微鏡写真の分類は、クラス内の相違性、クラス間の類似性、およびパターンの多空間スケールが高いため、複雑です。
しかし、既存の方法は複雑な画像パターンの学習には効果がありません。
我々は、課題を克服するために、ナノ材料の同定のための効果的なエンドツーエンドの電子顕微鏡写真表現学習ベースのフレームワークを提案します。
私たちは、ナノマテリアルベースの識別タスクにおいて、私たちのフレームワークがオープンソース データセットの一般的なベースラインよりも優れていることを実証しました。
アブレーション研究は、私たちのアプローチの有効性を裏付けるために非常に詳細に報告されています。

要約(オリジナル)

Characterization of materials via electron micrographs is an important and challenging task in several materials processing industries. Classification of electron micrographs is complex due to the high intra-class dissimilarity, high inter-class similarity, and multi-spatial scales of patterns. However, existing methods are ineffective in learning complex image patterns. We propose an effective end-to-end electron micrograph representation learning-based framework for nanomaterial identification to overcome the challenges. We demonstrate that our framework outperforms the popular baselines on the open-source datasets in nanomaterials-based identification tasks. The ablation studies are reported in great detail to support the efficacy of our approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google