おめでとうございます。李睿祺さんの卒業が無事に終了しました！

李睿祺さんは、上海大学で学士課程を修了し、2020年に上海大学のコンピュータ工学科学学院で学術型の修士研究生コースに進学しました。李睿祺さんは学部の最終学年から韓越興研究グループに参加し、材料画像処理技術とその応用に関する研究を学びました。韓先生の熱心な指導のもと、以下の研究を継続・推進しました：

1. 菊池帯パターンの自動検出。結晶の構造と取向情報は、EBSD（電子背面散乱回折）パターンの分析によって得ることができます。これらのパターンはEBSD装置によって取得されます。得られた情報の信頼性と正確性は、EBSDパターンのストライプと交点の位置に依存します。この研究では、Radon変換と累積確率ハフ変換を組み合わせた手法を提案し、EBSDパターン（菊池帯）および交点の位置を自動的に取得することを実現しました。実験結果は、この手法が頑健であり、より正確な菊池帯と交点を検出できることを示しています。

2. 材料画像のセグメンテーションタスクにおける注釈コストとセグメンテーション精度のバランスの問題を解決するために、リアルタイムでセグメンテーションモデルを取得するための、対話型の手続き的注釈と機械学習に基づく材料画像のセグメンテーションアルゴリズムを設計しました。この手法では、セグメンテーションモデルのリアルタイム取得を最優先目標とし、材料画像の中心点近傍の特徴を抽出し、複数のラウンドの対話型の手続き的注釈を行い、インクリメンタル学習の手法を使用して最終的な画像セグメンテーションモデルを訓練します。

3. 有限かつ容易に入手可能な注釈データに基づいて高精度なセグメンテーションモデルを実現するために、擬似ラベルを用いた弱監督深層学習に基づく材料画像セグメンテーション手法を設計しました。この手法では、有限な注釈データに基づいて最適なセグメンテーション結果を得ることを目標とし、新しいデュアルブランチネットワーク構造を提案し、新しいコンテキスト特徴差監督損失を導入して擬似ラベルを生成します。これにより、モデルは描かれたアノテーションのみを使用して、高いセグメンテーション精度を達成することができます。この手法は、材料画像セグメンテーションタスクにおいて、ディープラーニングニューラルネットワークが直面する少量のデータ、難しいアノテーション、およびテストプロセスでのリソースの浪費という問題を解決します。

4. 相変わらず変態の速い性質と複雑な形態のラスマテンサイトのため、マルテンサイト画像解析に基づく従来の研究は、相変態プロセス中の十分な情報を提供することができません。本研究では、ラスマテンサイトの変換を捉えた動画から情報データを抽出・分析する新しいビデオ処理方法を提案しています。画像データの分析により、ラスマテンサイト変換の数、最大長、最大幅、平均長、平均幅、面積、カテゴリ方向など、ラスマテンサイト変換に関するダイナミックな情報を提供します。この研究は、静止画像に基づいたマルテンサイトの研究の限界を打破し、マルテンサイトのダイナミックな変換に関する様々なデータと情報を包括的に説明します。

卒業後、李睿祺さんはリエンイメージインテリジェントにおいてソフトウェア開発関連の業務に従事することになりました。上海大学での3年間の大学院生活で、李睿祺さんは一生懸命勉強し、専門知識と研究発表の能力を向上させてきました。また、多くの優れた師匠や友人との出会いも得ることができました。李睿祺さんには、将来の道において初心を忘れず、使命を心に刻み、困難を乗り越えて前進することを願っています。