論文の概要: Computer Vision Methods for the Microstructural Analysis of Materials:
The State-of-the-art and Future Perspectives
- arxiv url: http://arxiv.org/abs/2208.04149v1
- Date: Fri, 29 Jul 2022 15:27:47 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-14 18:19:11.218032
- Title: Computer Vision Methods for the Microstructural Analysis of Materials:
The State-of-the-art and Future Perspectives
- Title（参考訳）: 材料の微細構造解析のためのコンピュータビジョン手法 : 最新技術と今後の展望
- Authors: Khaled Alrfou, Amir Kordijazi, Tian Zhao
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.4595477728342621
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Finding quantitative descriptors representing the microstructural features of
a given material is an ongoing research area in the paradigm of
Materials-by-Design. Historically, microstructural analysis mostly relies on
qualitative descriptions. However, to build a robust and accurate
process-structure-properties relationship, which is required for designing new
advanced high-performance materials, the extraction of quantitative and
meaningful statistical data from the microstructural analysis is a critical
step. In recent years, computer vision (CV) methods, especially those which are
centered around convolutional neural network (CNN) algorithms have shown
promising results for this purpose. This review paper focuses on the
state-of-the-art CNN-based techniques that have been applied to various
multi-scale microstructural image analysis tasks, including classification,
object detection, segmentation, feature extraction, and reconstruction.
Additionally, we identified the main challenges with regard to the application
of these methods to materials science research. Finally, we discussed some
possible future directions of research in this area. In particular, we
emphasized the application of transformer-based models and their capabilities
to improve the microstructural analysis of materials.
- Abstract（参考訳）: 所定の材料の構造的特徴を表す量的記述子を見つけることは、材料設計のパラダイムにおける現在進行中の研究領域である。
歴史的に、ミクロ構造分析は主に定性的記述に依存している。
しかし,新しい高性能材料の設計に必要となるロバストで高精度なプロセス構造・プロペラティ関係を構築するためには,ミクロ組織解析から定量的・有意義な統計データの抽出が重要なステップである。
近年、コンピュータビジョン(CV)法、特に畳み込みニューラルネットワーク(CNN)アルゴリズムを中心にした手法が、この目的のために有望な結果を示している。
本稿では, 分類, 物体検出, セグメンテーション, 特徴抽出, 再構成など, 様々な多次元構造画像解析タスクに応用された最新のcnn技術について述べる。
さらに,これらの手法の材料科学研究への応用に関する主な課題を明らかにした。
最後に,この領域における今後の研究の方向性について論じる。
特に, 変圧器モデルの適用と, 材料の微細構造解析能力の向上について強調した。
関連論文リスト
- Geometric Deep Learning for Structure-Based Drug Design: A Survey [83.87489798671155]
構造に基づく薬物設計(SBDD)は、タンパク質の3次元幾何学を利用して、潜在的な薬物候補を特定する。
近年の幾何学的深層学習の進歩は、3次元幾何学的データを効果的に統合・処理し、この分野を前進させてきた。
論文 参考訳（メタデータ） (2023-06-20T14:21:58Z) - Artificial intelligence approaches for materials-by-design of energetic
materials: state-of-the-art, challenges, and future directions [0.0]
我々は,AIによる材料設計の進歩とそのエネルギー材料への応用についてレビューする。
文献における手法を,少数のデータから学習する能力の観点から評価する。
本稿では,メタラーニング,アクティブラーニング,ベイズラーニング,半/弱教師付きラーニングなど,EM教材の今後の研究方向性について提案する。
論文 参考訳（メタデータ） (2022-11-15T14:41:11Z) - 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) - 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) - Video-based Facial Micro-Expression Analysis: A Survey of Datasets,
Features and Algorithms [52.58031087639394]
マイクロ表現は不随意かつ過渡的な表情である。
嘘検出や犯罪検出など、幅広い応用において重要な情報を提供することができる。
マイクロ表現は過渡的で低強度であるため、検出と認識は困難であり、専門家の経験に大きく依存する。
論文 参考訳（メタデータ） (2022-01-30T05:14:13Z) - The Preliminary Results on Analysis of TAIGA-IACT Images Using
Convolutional Neural Networks [68.8204255655161]
本研究の目的は,AIGA-IACTに設定された課題を解決するための機械学習アプリケーションの可能性を検討することである。
The method of Convolutional Neural Networks (CNN) was applied to process and analysis Monte-Carlo eventssimulated with CORSIKA。
論文 参考訳（メタデータ） (2021-12-19T15:17:20Z) - EBSD Grain Knowledge Graph Representation Learning for Material
Structure-Property Prediction [2.049702429898688]
材料遺伝工学プログラムは、材料組成/プロセス、組織、性能の関係を確立することを目的としている。
本稿では,新しいデータ知識駆動型組織表現と性能予測手法を提案する。
実験結果から,本手法は従来の機械学習やマシンビジョン手法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2021-09-29T07:48:20Z) - Domain Shift in Computer Vision models for MRI data analysis: An
Overview [64.69150970967524]
機械学習とコンピュータビジョン手法は、医用画像解析において優れた性能を示している。
しかし、現在臨床応用はごくわずかである。
異なるソースや取得ドメインのデータへのモデルの不適切な転送性は、その理由の1つです。
論文 参考訳（メタデータ） (2020-10-14T16:34:21Z) - Machine Learning in Nano-Scale Biomedical Engineering [77.75587007080894]
ナノスケールバイオメディカルエンジニアリングにおける機械学習の利用に関する既存の研究について概説する。
ML問題として定式化できる主な課題は、3つの主要なカテゴリに分類される。
提示された方法論のそれぞれについて、その原則、応用、制限に特に重点を置いている。
論文 参考訳（メタデータ） (2020-08-05T15:45:54Z) - Image-driven discriminative and generative machine learning algorithms
for establishing microstructure-processing relationships [0.49259062564301753]
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。
論文 参考訳（メタデータ） (2020-07-27T10:36:18Z) - 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。