論文の概要: AtomAI: A Deep Learning Framework for Analysis of Image and Spectroscopy
Data in (Scanning) Transmission Electron Microscopy and Beyond
- arxiv url: http://arxiv.org/abs/2105.07485v1
- Date: Sun, 16 May 2021 17:44:59 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-19 04:38:51.081205
- Title: AtomAI: A Deep Learning Framework for Analysis of Image and Spectroscopy
Data in (Scanning) Transmission Electron Microscopy and Beyond
- Title（参考訳）: atomai:(走査型)透過型電子顕微鏡における画像および分光データの分析のためのディープラーニングフレームワーク
- Authors: Maxim Ziatdinov, Ayana Ghosh, Tommy Wong, and Sergei V. Kalinin
- Abstract要約: AtomAIは、インストゥルメント固有のPythonライブラリ、ディープラーニング、シミュレーションツールを単一のエコシステムにブリッジするオープンソースソフトウェアパッケージです。
AtomAIは、原子とメソスコピックの画像セグメンテーションにディープ畳み込みニューラルネットワークを直接適用することができる。
AtomAIは、im2specと spec2imタイプのエンコーダ-デコーダモデルを通じて構造-プロパティ関係をマッピングするユーティリティを提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: AtomAI is an open-source software package bridging instrument-specific Python
libraries, deep learning, and simulation tools into a single ecosystem. AtomAI
allows direct applications of the deep convolutional neural networks for atomic
and mesoscopic image segmentation converting image and spectroscopy data into
class-based local descriptors for downstream tasks such as statistical and
graph analysis. For atomically-resolved imaging data, the output is types and
positions of atomic species, with an option for subsequent refinement. AtomAI
further allows the implementation of a broad range of image and spectrum
analysis functions, including invariant variational autoencoders (VAEs). The
latter consists of VAEs with rotational and (optionally) translational
invariance for unsupervised and class-conditioned disentanglement of
categorical and continuous data representations. In addition, AtomAI provides
utilities for mapping structure-property relationships via im2spec and spec2im
type of encoder-decoder models. Finally, AtomAI allows seamless connection to
the first principles modeling with a Python interface, including molecular
dynamics and density functional theory calculations on the inferred atomic
position. While the majority of applications to date were based on atomically
resolved electron microscopy, the flexibility of AtomAI allows straightforward
extension towards the analysis of mesoscopic imaging data once the labels and
feature identification workflows are established/available. The source code and
example notebooks are available at https://github.com/pycroscopy/atomai.
- Abstract（参考訳）: AtomAIは、楽器固有のPythonライブラリ、ディープラーニング、シミュレーションツールを単一のエコシステムにブリッジする、オープンソースのソフトウェアパッケージである。
AtomAIは、原子・メソスコピック画像セグメンテーションのための深層畳み込みニューラルネットワークの直接的な応用を可能にし、画像と分光データを統計やグラフ解析などの下流タスクのためのクラスベースの局所記述子に変換する。
原子分解イメージングデータの場合、出力は原子種のタイプと位置であり、その後の精製の選択肢となる。
AtomAIはさらに、不変変分オートエンコーダ(VAE)を含む幅広い画像およびスペクトル分析機能の実装を可能にしている。
後者は、カテゴリーデータ表現と連続データ表現の教師なしおよびクラス条件のアンタングルに対する回転不変かつ(任意に)翻訳不変のVAEからなる。
さらにAtomAIは、im2specと spec2imタイプのエンコーダ-デコーダモデルを通じて構造-プロパティ関係をマッピングするためのユーティリティを提供する。
最後に、AtomAIは、分子動力学や密度汎関数理論計算を含むPythonインターフェースでモデリングする第一原理へのシームレスな接続を可能にする。
これまでのほとんどのアプリケーションは原子分解電子顕微鏡に基づいていたが、AtomAIの柔軟性は、ラベルや特徴識別ワークフローが確立/利用可能になると、メソスコピックイメージングデータの解析への直接的な拡張を可能にする。
ソースコードとサンプルノートブックはhttps://github.com/pycroscopy/atomaiで入手できる。
関連論文リスト
- Spectral Image Data Fusion for Multisource Data Augmentation [44.99833362998488]
マルチスペクトル画像やハイパースペクトル画像は、リモートセンシング、天文学的イメージング、精密農業など、さまざまな研究分野で人気が高まっている。
機械学習タスクを実行できる無料データの量は比較的少ない。
スペクトル画像の領域で開発された人工知能モデルは、固定されたスペクトルシグネチャを持つ入力画像を必要とする。
論文 参考訳（メタデータ） (2024-04-05T13:40:18Z) - Diffusion-based Data Augmentation for Nuclei Image Segmentation [68.28350341833526]
核セグメンテーションのための拡散法を初めて導入する。
このアイデアは、多数のラベル付き画像を合成し、セグメンテーションモデルを訓練することを目的としている。
実験の結果,10%のラベル付き実データセットを合成サンプルで拡張することにより,同等のセグメンテーション結果が得られることがわかった。
論文 参考訳（メタデータ） (2023-10-22T06:16:16Z) - Zero-shot Composed Text-Image Retrieval [72.43790281036584]
合成画像検索(CIR)の問題点を考察する。
テキストや画像などのマルチモーダル情報を融合し、クエリにマッチする画像を正確に検索し、ユーザの表現能力を拡張できるモデルをトレーニングすることを目的としている。
論文 参考訳（メタデータ） (2023-06-12T17:56:01Z) - Physics and Chemistry from Parsimonious Representations: Image Analysis
via Invariant Variational Autoencoders [0.0]
変分オートエンコーダ(VAE)は教師なしデータ解析の強力なパラダイムとして登場している。
この記事では、VAEの背景にある基本的な原則と直観を概説する。
論文 参考訳（メタデータ） (2023-03-30T03:16:27Z) - Two-Stream Graph Convolutional Network for Intra-oral Scanner Image
Segmentation [133.02190910009384]
本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。
TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
論文 参考訳（メタデータ） (2022-04-19T10:41:09Z) - Multi-Source Fusion and Automatic Predictor Selection for Zero-Shot
Video Object Segmentation [86.94578023985677]
ゼロショットビデオオブジェクトセグメンテーションのための新しいマルチソースフュージョンネットワークを提案する。
提案手法は,最先端技術に対する魅力的な性能を実現する。
論文 参考訳（メタデータ） (2021-08-11T07:37:44Z) - Semi-supervised learning of images with strong rotational disorder:
assembling nanoparticle libraries [0.0]
ほとんどの場合、実験データストリームは任意の回転と変換を持つ画像を含む。
ラベル付きデータの小さなサブセットから大きなラベル付きデータセットへの一般化を可能にするアプローチを開発する。
論文 参考訳（メタデータ） (2021-05-24T18:01:57Z) - TEMImageNet Training Library and AtomSegNet Deep-Learning Models for
High-Precision Atom Segmentation, Localization, Denoising, and
Super-Resolution Processing of Atomic-Resolution Images [9.275446527724144]
原子分割・局在化,雑音低減,原子分解能走査透過電子顕微鏡(STEM)画像の劣化は難しい課題である。
本稿では,ロバストかつ高精度な原子セグメンテーション,ローカライゼーション,デノナイズ,超解像処理を実現するための学習ライブラリと深層学習手法の開発について報告する。
私たちは、ディープラーニングモデルをグラフィカルユーザインターフェースを備えたデスクトップアプリにデプロイし、アプリは無償でオープンソースです。
論文 参考訳（メタデータ） (2020-12-16T17:21:23Z) - VAE-Info-cGAN: Generating Synthetic Images by Combining Pixel-level and
Feature-level Geospatial Conditional Inputs [0.0]
画素レベル(PLC)と特徴レベル(FLC)を同時に条件付けした意味的リッチな画像を合成するための条件生成モデルを提案する。
GPSデータセットを用いた実験では,提案モデルが地理的に異なる場所にまたがる様々な形態のマクロアグリゲーションを正確に生成できることが示されている。
論文 参考訳（メタデータ） (2020-12-08T03:46:19Z) - Data-Driven Discovery of Molecular Photoswitches with Multioutput
Gaussian Processes [51.17758371472664]
フォトウィッチ可能な分子は、光によってアクセスされる2つ以上の異性体である。
本稿では、データセットキュレーションとマルチタスク学習を基盤とした、分子フォトウィッチのためのデータ駆動探索パイプラインを提案する。
提案手法は, 市販フォトウィッチ可能な分子のライブラリーをスクリーニングし, 実験的に検証した。
論文 参考訳（メタデータ） (2020-06-28T20:59:03Z) - Spectral Learning on Matrices and Tensors [74.88243719463053]
テンソル分解は行列法で欠落する潜伏効果を拾うことができることを示す。
また,効率的なテンソル分解法を設計するための計算手法についても概説する。
論文 参考訳（メタデータ） (2020-04-16T22:53:00Z)
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。