基于 NASNet-Large-解码器网络的头层覆膜厚度自动测量
计算机视觉与模式识别
2021-06-24 v1
摘要
透射电子显微镜（TEM）是展示材料微观结构表征以及膜厚度的主要工具之一。然而，从 TEM 图像手动确定膜厚度耗时且主观，尤其当所讨论的膜非常薄且测量精度要求很高时。磁硬盘驱动器工业中的头层覆膜（HOC）厚度测量即是这种情况。因此有必要开发软件来自动测量 HOC 厚度。本文首次提出一种使用 NASNet-Large 作为编码器并随后接解码器架构的 HOC 层分割方法，该架构是深度学习中用于图像分割的最常用架构之一。为了进一步改进分割结果，我们首次提出一个后处理层以去除分割结果中的无关部分。为测量分割出的 HOC 层厚度，我们提出一种回归卷积神经网络（RCNN）模型以及正交厚度计算方法。实验结果表明我们的模型具有更高的 dice 分数，其均方误差更低，并优于当前最先进的手动测量。
引用
@article{arxiv.2106.12054,
title = {Automatic Head Overcoat Thickness Measure with NASNet-Large-Decoder Net},
author = {Youshan Zhang and Brian D. Davison and Vivien W. Talghader and Zhiyu Chen and Zhiyong Xiao and Gary J. Kunkel},
journal= {arXiv preprint arXiv:2106.12054},
year = {2021}
}