私たちのチームは、超像素アルゴリズムと深層学習を基にした複雑なテクスチャ画像の認識とセグメンテーションに関する最近の成果を発表しました

私たちのチームは、超像素アルゴリズムと深層学習を基にした複雑なテクスチャ画像の認識とセグメンテーションに関する論文を、国際誌「Computational Materials Science」（IF：3.3000）にオンラインで発表しました。本論文は、上海大学コンピュータ工学科学学院を第一単位とし、韓越興准教授を第一著者とし、チームメンバーの陳侨川教師が通信著者として、また、多大な貢献をした杨珅さんも同じく著者として、論文を執筆しました。

材料の画像は通常、十分な数のトレーニングサンプルが不足しているため、機械学習技術や深層学習技術の材料画像への適用を妨げています。そこで、この研究では、材料画像の重要な特性である同相性の高いピクセルを捉え、超像素と深層学習を組み合わせた材料画像の微視的構造の認識とセグメンテーション手法を提案しました。この手法は、3つのステップに分かれています。まず、矩形ブロックを取得します。つまり、古典的な超像素アルゴリズムであるSLICアルゴリズムを使用して、異なる数の超像素を取得し、その後、各超像素から最大の内接矩形ブロックを抽出します。次に、矩形ブロックを認識します。具体的には、これらの矩形ブロックを畳み込みニューラルネットワーク（CNN）に入れ、本研究ではDenseNetを主幹ネットワークとして選び、改良して認識します。また、材料画像における分布の不均一性やいくつかの相を区別するのが困難な問題があるため、本研究では、Focal lossを選択して改良し、材料画像に適応させました。最後に、各ピクセルのクラスを予測することで、画像全体のクラスを出力します。トレーニングが終了した後、ステップサイズ1、サイズl*l（lは奇数）のスライドウィンドウを使用して、n*nサイズの画像全体にスライドして、n*n個の矩形ブロックを取得し、モデルはこれらの矩形ブロックのクラスを予測し、同じクラスのピクセルを接続することで、材料画像の微視的構造の認識とセグメンテーションのタスクを実現することができます。

論文へのリンク：https://doi.org/10.1016/j.commatsci.2022.111398

論文へのリンク：https://www.sciencedirect.com/science/article/pii/S0927025622001690?dgcid=coauthor