チームの最近の成果- 転移学習を利用した重なり合うナノオブジェクトの認識方法
弊チームは国際学術誌「Neural Computing and Application」(IF:5.606, 中科院2区)に論文「重なり合うナノオブジェクトの認識のための新しい転移学習」をオンラインで発表しました。この論文では、上海大学コンピュータ工学科学学院が第一の機関であり、韓越興准教授が第一著者および通信著者を務め、修士課程の学生である劉宇虹、宋磊磊、童麟が多大な貢献をしました。
刘宇虹
宋磊磊
童麟
多くの分野で急速に発展しているナノ構造科学と技術ですが、高いコストのために、十分なナノオブジェクトサンプルを得ることはまだ困難であり、そのため材料分野における深層学習方法の発展を妨げています。この問題を解決するため、私たちは原子間力顕微鏡（AFM）の画像からナノオブジェクトを識別するための新しい方法を設計しました。まず、LOGに基づく画像ノイズ除去法を使用して画像を前処理します。次に、分水嶺アルゴリズムに基づいて、重なり合うオブジェクトを分割するための2つの改良された方法を提案しました。最後に、転移学習に基づくCNN認識モデルを構築し、大規模手書き数字と文字形状の事前学習を通じて優れたパフォーマンスを発揮するモデルを取得し、AFM画像中のナノオブジェクトを識別しました。本研究で提案された手法は、AFM画像中の小規模なサンプルのナノオブジェクト識別問題を効果的に解決することができます。