チームの最近の成果は、機械学習を用いた材料画像セグメンテーションにおける中心環境特徴モデルです
私たちのチームは、国際ジャーナル「Scientific Report」（IF: 4.996）において、「Center-environment feature models for materials image segmentation based on machine learning」という論文をオンラインで発表しました。この論文では、上海大学の計算機工学と科学学院が第一所属機関であり、韓越兴准教授が第一著者および通信著者として参加しています。この研究は、陳侨川先生、王冰先生、刘轶先生の大きなサポートを受けて行われました。また、李睿祺さんと杨珅さんも多くの貢献をしました。
材料の性能は、成分だけでなく、さまざまな加工条件下での微細構造にも依存しています。これまで、複雑な微細構造の画像の解析は主に人間の経験に依存しており、自動的かつ定量的な特性評価方法が不足していました。機械学習は、さまざまな複雑な材料相を知識を活用して知覚するための新たな重要なツールを提供しています。この研究では、「中心環境分割」（CES）特徴モデルを提案し、画像セグメンテーションに使用されます。このモデルは、機械学習アルゴリズムを用いて環境特徴とドメイン知識に基づいて画像をセグメンテーションします。CESモデルでは、与えられたピクセルの特徴として近傍情報を導入し、研究対象のピクセルと周囲の環境との関係を反映します。そして、反復的な統合機械学習アプローチを使用して、画像セグメンテーションモデルをトレーニングおよび補正します。CESモデルは、鋼鉄や木材などの複雑なテクスチャを持つ7種類の異なる材料画像に適用され、成功を収めました。鋼鉄画像のセグメンテーション研究では、CES手法は境界輪郭の特定において、多くの伝統的手法よりも優れたパフォーマンスを示しました。この研究は、ドメイン知識と環境特徴の反復的な導入が、さまざまな複雑な材料の微細構造画像のセグメンテーションの精度向上に寄与することを示しています。
論文へのリンク：Center-environment feature models for materials image segmentation based on machine learning