論文の概要: Image-driven discriminative and generative machine learning algorithms
for establishing microstructure-processing relationships
- arxiv url: http://arxiv.org/abs/2007.13417v1
- Date: Mon, 27 Jul 2020 10:36:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-06 11:46:59.445222
- Title: Image-driven discriminative and generative machine learning algorithms
for establishing microstructure-processing relationships
- Title（参考訳）: 微細加工関係構築のための画像駆動型識別・生成機械学習アルゴリズム
- Authors: Wufei Ma, Elizabeth Kautz, Arun Baskaran, Aritra Chowdhury, Vineet
Joshi, B\"ulent Yener, Daniel Lewis
- Abstract要約: 我々は、画像認識、キャラクタリゼーション、予測機能構築のための改良された機械学習アプローチを開発する。
核燃料として現在開発中の二元合金(ウラニウムモリブデン)について検討した。
F1スコア95.1%は10の異なる熱力学的材料処理条件に対応するマイクログラフを区別するために達成された。
- 参考スコア（独自算出の注目度）: 0.49259062564301753
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We investigate methods of microstructure representation for the purpose of
predicting processing condition from microstructure image data. A binary alloy
(uranium-molybdenum) that is currently under development as a nuclear fuel was
studied for the purpose of developing an improved machine learning approach to
image recognition, characterization, and building predictive capabilities
linking microstructure to processing conditions. Here, we test different
microstructure representations and evaluate model performance based on the F1
score. A F1 score of 95.1% was achieved for distinguishing between micrographs
corresponding to ten different thermo-mechanical material processing
conditions. We find that our newly developed microstructure representation
describes image data well, and the traditional approach of utilizing area
fractions of different phases is insufficient for distinguishing between
multiple classes using a relatively small, imbalanced original data set of 272
images. To explore the applicability of generative methods for supplementing
such limited data sets, generative adversarial networks were trained to
generate artificial microstructure images. Two different generative networks
were trained and tested to assess performance. Challenges and best practices
associated with applying machine learning to limited microstructure image data
sets is also discussed. Our work has implications for quantitative
microstructure analysis, and development of microstructure-processing
relationships in limited data sets typical of metallurgical process design
studies.
- Abstract（参考訳）: 微細構造画像データから処理条件を予測するための微細構造表現法について検討する。
現在核燃料として開発が進められている二元合金(ウラニウム-モリブデン)について, 画像認識, キャラクタリゼーション, および微構造と処理条件をつなぐ予測能力構築のための機械学習手法の開発を目的として検討した。
本稿では,異なる組織表現をテストし,f1スコアに基づいてモデル性能を評価する。
F1スコア95.1%は10の異なる熱力学的材料処理条件に対応するマイクログラフを区別するために達成された。
新たに開発した微細構造表現は画像データをよく表現しており,272画像からなる比較的小さく不均衡なオリジナルデータセットを用いて,異なる位相の領域分数を利用する従来の手法では,複数のクラスを識別するには不十分である。
このような制限されたデータセットを補完する生成手法の適用性を検討するため、生成的敵ネットワークを訓練し、人工的な微細構造画像を生成する。
2つの異なる生成ネットワークをトレーニングし、性能を評価するためにテストした。
限られた微細構造画像データセットに機械学習を適用する際の課題とベストプラクティスについても論じる。
本研究は, 金属加工設計研究の典型的な限られたデータセットにおける微細構造解析, および微細構造-加工関係の発達に影響を及ぼす。
関連論文リスト
- MatSAM: Efficient Extraction of Microstructures of Materials via Visual
Large Model [11.130574172301365]
Segment Anything Model (SAM)は、強力な深い特徴表現とゼロショットの一般化機能を備えた大きなビジュアルモデルである。
本稿では,SAMに基づく汎用的で効率的なマイクロ構造抽出法であるMatSAMを提案する。
簡単なが効果的な点ベースのプロンプト生成戦略が設計され、ミクロ構造の分布と形状に基づいている。
論文 参考訳（メタデータ） (2024-01-11T03:18:18Z) - Bayesian Unsupervised Disentanglement of Anatomy and Geometry for Deep Groupwise Image Registration [50.62725807357586]
本稿では,マルチモーダル群画像登録のための一般ベイズ学習フレームワークを提案する。
本稿では,潜在変数の推論手順を実現するために,新しい階層的変分自動符号化アーキテクチャを提案する。
心臓、脳、腹部の医療画像から4つの異なるデータセットを含む,提案された枠組みを検証する実験を行った。
論文 参考訳（メタデータ） (2024-01-04T08:46:39Z) - Optimizations of Autoencoders for Analysis and Classification of
Microscopic In Situ Hybridization Images [68.8204255655161]
同様のレベルの遺伝子発現を持つ顕微鏡画像の領域を検出・分類するためのディープラーニングフレームワークを提案する。
分析するデータには教師なし学習モデルが必要です。
論文 参考訳（メタデータ） (2023-04-19T13:45:28Z) - A Survey on Evaluation Metrics for Synthetic Material Micro-Structure
Images from Generative Models [0.0]
合成微細構造画像の評価は、機械学習と材料科学の研究が共に発展するにつれ、新たな問題となっている。
本研究では, グラフェン強化ポリウレタン発泡体の走査電子顕微鏡(SEM)像について検討した。
論文 参考訳（メタデータ） (2022-11-03T15:17:42Z) - Computer Vision Methods for the Microstructural Analysis of Materials:
The State-of-the-art and Future Perspectives [0.4595477728342621]
本稿では, マルチスケール画像解析に応用された最先端CNN技術について概説する。
材料科学研究へのこれらの手法の適用に関する主な課題を同定する。
論文 参考訳（メタデータ） (2022-07-29T15:27:47Z) - Three-dimensional microstructure generation using generative adversarial
neural networks in the context of continuum micromechanics [77.34726150561087]
本研究は, 三次元マイクロ構造生成に適した生成対向ネットワークを提案する。
軽量アルゴリズムは、明示的な記述子を必要とせずに、単一のmicroCTスキャンから材料の基礎特性を学習することができる。
論文 参考訳（メタデータ） (2022-05-31T13:26:51Z) - TopTemp: Parsing Precipitate Structure from Temper Topology [1.5234614694413722]
そこで我々は,TopTempと呼ばれる走査型電子顕微鏡で観察したテンパー(熱処理)依存材料ミクロ構造のトポロジカル表現について述べる。
このトポロジカルな表現は、データ制限された環境での微細構造のより温和な分類をサポートし、以前は見られていなかったサンプルをうまく一般化し、画像の摂動に頑健であり、ドメインの解釈可能な特徴を捉えることができることを示す。
論文 参考訳（メタデータ） (2022-04-01T16:02:10Z) - A parameter refinement method for Ptychography based on Deep Learning
concepts [55.41644538483948]
伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。
最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。
我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
論文 参考訳（メタデータ） (2021-05-18T10:15:17Z) - MOGAN: Morphologic-structure-aware Generative Learning from a Single
Image [59.59698650663925]
近年,1つの画像のみに基づく生成モデルによる完全学習が提案されている。
多様な外観のランダムなサンプルを生成するMOGANというMOrphologic-structure-aware Generative Adversarial Networkを紹介します。
合理的な構造の維持や外観の変化など、内部機能に重点を置いています。
論文 参考訳（メタデータ） (2021-03-04T12:45:23Z) - Multi-institutional Collaborations for Improving Deep Learning-based
Magnetic Resonance Image Reconstruction Using Federated Learning [62.17532253489087]
深層学習法はmr画像再構成において優れた性能をもたらすことが示されている。
これらの方法は、高い取得コストと医療データプライバシー規制のために収集および共有が困難である大量のデータを必要とします。
我々は,異なる施設で利用可能なmrデータを活用し,患者のプライバシーを保ちながら,連合学習(fl)ベースのソリューションを提案する。
論文 参考訳（メタデータ） (2021-03-03T03:04:40Z) - Overview: Computer vision and machine learning for microstructural
characterization and analysis [1.4194966466632493]
コンピュータビジョン(CV)と機械学習(ML)は、微細構造画像から情報を抽出するための新しいアプローチを提供する。
微細構造解析のためのCV/MLシステムは、画像解析タスクの分類にまたがる。
これらのツールは、新しいリッチなビジュアルメトリクスの開発を含む、ミクロ構造解析への新しいアプローチを可能にする。
論文 参考訳（メタデータ） (2020-05-28T19:51:23Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。