团队近期成果--基于迁移学习的重叠纳米物体识别方法
我们团队在国际期刊《Neural Computing and Application》(IF:5.606,中科院2区)上在线发表论文”A novel transfer learning for recognition of overlapping nano object “。该论文上海大学计算机工程与科学学院为第一单位，韩越兴副教授为第一作者和通讯作者，硕士生刘宇虹，宋磊磊，童麟做了大量的工作。
刘宇虹
宋磊磊
童麟
尽管纳米结构科学和技术在许多领域得到了快速发展，但由于成本高，仍然难以获得足够的纳米物体样本，从而阻碍了材料领域深度学习方法的发展。我们设计了一种新的方法来识别原子力显微镜（AFM）图像中的纳米物体。首先，使用一种基于LOG的图像去噪方法对图像进行预处理；然后，基于分水岭算法提出了两种改进的分割重叠目标的方法；最后，建立了一个基于迁移学习的CNN识别模型，通过对大规模手写数字和字母形状进行预训练来获取表现优异的模型，从而识别AFM图像中的纳米物体。本研究提出的方法可以有效地解决AFM图像中小样本纳米物体识别困难的问题。