基于全卷积神经网络的大规模单向纤维床纤维分割可复用流程
图像与视频处理
2021-01-18 v2 计算机视觉与模式识别
摘要
纤维增强陶瓷基复合材料是耐高温的先进材料，可应用于航空航天工程。其分析依赖于对嵌入纤维的检测，通常采用半监督技术来分离纤维床内的纤维。在此我们提出一个开放的计算流程，用于检测离位 X 射线计算机断层扫描纤维床中的纤维。为分离这些样品中的纤维，我们测试了四种不同的全卷积神经网络架构。当将我们的神经网络方法与半监督方法比较时，我们得到的 Dice 和 Matthews 系数大于 ，最高达到 ，表明在该类纤维床上网络结果接近于人工监督的结果，在某些情况下能分离出人工策展算法无法找到的纤维。我们在此项目中生成的软件是开源的，以宽松许可证发布，并可自由适配和复用于其他领域。所有数据及如何下载和使用它的说明也都可获取。
引用
@article{arxiv.2101.04823,
title = {A reusable pipeline for large-scale fiber segmentation on unidirectional fiber beds using fully convolutional neural networks},
author = {Alexandre Fioravante de Siqueira and Daniela Mayumi Ushizima and Stéfan van der Walt},
journal= {arXiv preprint arXiv:2101.04823},
year = {2021}
}
备注
26 pages, 9 figures