May, 2023

深度学习技术加速宝石分类 —— 宝石智能

PDF
TL;DR本研究提出了 Gemtelligence，一种基于深度学习的新方法，能够通过处理多种数据类型来实现准确和一致的宝石起源和治疗检测，最终自动提高了整个分析进程的鲁棒性
gemstonesluxury goodsdeep learningorigin determinationtreatment detection
发现论文，激发创造
  • 以人工智能引导的特征分割技术对单晶金刚石生长中的特征进行建模

    通过比较传统方法和机器学习驱动方法，该论文提出了一种新颖的深度学习驱动的语义分割方法，用于钻石生长领域的特征提取，实现了对钻石、挡板和背景等几何特征的像素掩膜的分离和分类，通过注重标注的人在环软件架构实现数据集的训练，结合主动学习、数据增强和模型辅助标注的模块，有效提高了标注的准确性并显著降低了标注的时间和成本，其中 DeeplabV3plus 架构的模型在准确分类感兴趣特征方面的性能优秀，对挡板的准确率达到 96.31%，对钻石顶部的准确率达到 98.60%，对钻石侧面的准确率达到 91.64%。

    Apr, 2024

  • 内窥镜肾结石识别的度量学习方法

    本文提出了一种基于深度学习和度量学习的引导式深度度量学习方法，用于少样本、泛化和新类别识别，实现对肾结石碎片形态学多视图的自动识别。

    Jul, 2023

  • AI 引导下的缺陷检测技术模拟单晶金刚石生长

    通过利用原位光学图像识别可见的宏观缺陷状态特征，本文详细介绍了利用语义分割方法进行缺陷分割的方法，并采用基于 YOLOV3 和 DeeplabV3plus 架构的深度学习算法，在钻石生长的过程中取得了很好的准确性。

    Apr, 2024

  • 基于深度学习的晶体结构洞见性分类

    本研究提出了一种基于机器学习的方法，通过计算衍射图像并构建神经网络模型进行分类，可正确识别包括有缺陷的结构在内的超过 100,000 个模拟晶体结构的晶体对称性，为材料科学中的三维结构数据的晶体结构识别铺平了道路。

    Sep, 2017

  • 机器学习识别肾结石的实时性研究

    该研究使用 6 种浅层机器学习模型和 3 种深度学习模型对 4 种尿路结石类型的内窥镜图像进行识别，结果显示 Inception v3 模型表现最佳，但对颜色空间和纹理特征的适当选择使得浅层机器学习模型的表现可以接近最优深度学习模型的表现，研究其提出了从尿路镜检查中提取图像特征的方法。

    Jan, 2022

  • 比较深度学习基于特征融合的肾结石识别策略

    该研究提出一种深度学习方法，旨在从不同视角提取和融合图像信息，以产生更有区别的目标特征，其中深度融合策略提高了单视图提取骨干模型的肾结石分类精度达 10％以上。

    May, 2022

  • 基于典型部位检测的可解释深度学习肾结石分类器

    该研究使用机器学习建立肾结石图像分类模型，其基于可解释性的子部件原型（PPs）方法，能够提供类似于形态宪法分析（MCA）的解释。

    Jun, 2022

  • 基于人工智能的快速、无标记光学成像分析散发性神经胶质瘤分子分类

    利用深度学习和光学组织学技术快速诊断弥漫性胶质母细胞瘤，准确诊断病人的分子变异，为病人提供个性化治疗方案。

    Mar, 2023

  • GEM：通过分段多功能模型和数据合成提升玻璃表面分割的简化网络

    通过使用视觉基础模型，我们提出了一个名为 GEM 的简单玻璃表面分割器，该分割器能够自适应地识别玻璃表面特征，并在 GSD-S 验证集上达到了新的最佳性能（IoU+2.1%）。

    Jan, 2024

  • 运用多视角融合和双重迁移学习方法提升自动内窥镜结石识别

    本研究提出了一种深度学习方法，旨在从不同视角获取的图像信息中提取和融合图像信息，以产生更可辨别的物体特征，用于识别内窥镜图像中看到的肾结石类型，通过深度特征融合策略，通过传输学习和注意力机制进一步改进模型，使得肾结石分类的精度提高了 6% 以上。

    Apr, 2023