MMApr, 2024

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

PDF
TL;DR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%。
diamond growthmachine learningfeature extractionsemantic segmentationannotation accuracy
发现论文，激发创造
  • 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

  • 基于分割的深度学习方法用于表面缺陷检测

    本研究提出了一种基于分割的深度学习架构，用于表面异常检测和分割，在表面裂纹检测的特定领域中表现出比其他深度学习方法更好的性能，可以使用少量的样本进行训练，因此可以实际应用于工业领域。

    Mar, 2019

  • 机器学习的层次聚类用于 2D 和 3D 图像分割

    提出一种基于机器学习技术的主动学习方法，用于对超像素进行层次聚合分割，并在 3D 电子显微镜（EM）影像和自然影像的数据上，利用信息变异度来衡量分割精度，在比较实验中，证明了该方法在分割准确度上优于其他算法。

    Mar, 2013

  • TrueDeep：一种少数据的裂纹检测系统性方法

    通过结合领域知识和深度学习架构，我们演示了在少量数据的情况下可以获得类似的性能表现，我们的算法使用 23% 的数据就获得了和测试数据相似、多个盲数据集有显著更好的表现，其中选择基于知识的输入图像有显著的性能提升。

    May, 2023

  • 深度学习技术加速宝石分类 —— 宝石智能

    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

    May, 2023

  • 交互式分割达到 99% 精度

    本文提出了一种新的交互式架构和训练方案，旨在更好地利用用户工作流，并展示出引入专门设计用于复杂对象边界的合成训练数据集可以进一步获得显着的改进，该网络达到了最先进性能。

    Mar, 2020

  • 从分类到分割的可解释人工智能研究：裂缝检测和生长监测

    本文提出了运用可解释人工智能的方法对表面裂纹进行分割和监测，结果表明，虽然生成的分割掩码质量可能不如有监督方法产生的高，但仍具有意义并能够实现严重程度的监测，从而降低了大量标注成本。

    Sep, 2023

  • 利用机器学习技术在真实和生成数据集上对谷物和晶界进行分割

    本文使用卷积神经网络（CNN）对真实数据和合成数据组合进行了训练，提高了晶界分割的准确性，为粉末冶金过程中的晶界分析提供了新的方法。

    Jul, 2023

  • 基于多尺度注意力的实例分割方法用于测量尺寸变化较大的晶体

    我们提出了一种基于实例的分割方法，利用尺寸感知的多尺度注意力模块增强流动图，在具有较大晶体尺寸变化或难以检测晶体边界的图像中得到更稳健的分割结果，从而提高测量精度。

    Jan, 2024

  • 联合监督与自监督学习 3D 现实世界挑战

    本文介绍了基于自监督式多任务模型的方法，用于解决数据稀缺性和跨域数据集问题，提高 3D 形状分类与部分分割的效果。

    Apr, 2020