团队近期成果--应用于材料图像分割的UNet

我们团队在中文核心期刊《计算机应用研究》上在线发表论文“应用于材料图像分割的UNet”。该论文上海大学计算机工程与科学学院为第一单位，魏惠姗为第一作者，韩越兴副教授为通讯作者。此工作还得到了组内陈侨川老师等的指导。

材料图像的微观结构通常有形状各异、纹理复杂和边界模糊等特点，限制了深度学习方法在材料图像处理领域的发展。本研究提出了Graph-UNet，融合UNet和图卷积神经网络来解决小样本材料图像自动分割的挑战，将卷积神经网络的多维特征融合和跳跃连接的思想迁移到图卷积神经网络中实现图卷积和图注意力的有效结合，并且建立了一个通用的模块实现特征图和图结构相互转换。在材料图像数据集上进行了对比和消融实验，证明Graph-UNet的分割结果优于很多先进方法，准确的识别了多种材料结构，推动了探究材料结构和性能关系的发展。

论文链接：应用于材料图像分割的Graph-UNet