用于复合材料 X 射线层析图像自动分割的模块化 U-Net
图像与视频处理
2023-12-05 v2 计算机视觉与模式识别
摘要
X 射线计算机断层扫描（XCT）技术已发展到可如此快速地获取高分辨率数据，以至于经典分割方法变得极其繁琐，亟需能够处理非平凡 3D 图像的自动化数据流水线。深度学习已在许多图像处理任务中展现出成功，包括材料科学应用，显示出无人工分割流水线的有前景替代方案。本文提出一种模块化 U-Net（Modular U-Net）解释并训练其以分割三相玻璃纤维增强聚酰胺 66 的 3D 层析图像。我们比较了模型的 2D 与 3D 版本，发现前者略优于后者。我们观察到即使仅用 10 个标注层也可达到与人相当的结果，且使用浅层 U-Net 比深层产生更好结果。因此，神经网络（NN）确实显示出自动化无需人工、特定干预的 XCT 数据处理流水线的光明前景。
引用
@article{arxiv.2107.07468,
title = {A modular U-Net for automated segmentation of X-ray tomography images in composite materials},
author = {João P C Bertoldo and Etienne Decencière and David Ryckelynck and Henry Proudhon},
journal= {arXiv preprint arXiv:2107.07468},
year = {2023}
}