基于CNN的定向凝固镍基合金显微图像枝晶核检测
计算机视觉与模式识别
2023-05-23 v1
摘要
枝晶核是枝晶的中心点。枝晶核的信息对材料科学家分析材料性能非常有帮助。因此，检测枝晶核是材料科学领域一项非常重要的任务。同时，由于枝晶的一些特殊性质，该任务也极具挑战性。与计算机视觉领域的典型检测问题不同，枝晶核检测旨在检测单点位置而非边界框。因此，现有的基于回归边界框的检测方法在该任务上表现不佳，因为基于边界框左上和右下角计算的中心点位置通常不够精确。本文中将枝晶核检测问题表述为分割任务，并提出了一种直接检测枝晶核的新方法。我们的整体流程包含三步：易样本检测（ESD）、难样本检测（HSD）和难样本精炼（HSR）。具体而言，ESD和HSD分别关注枝晶核的易样本和难样本，二者采用相同的中心点检测网络（CPDN）但不共享参数。为使HSD仅关注枝晶核难样本的特征，我们破坏ESD检测到的枝晶易样本结构，迫使HSD学习难样本特征。HSR是一个二分类器，用于滤除HSD的假阳性预测。我们在枝晶数据集上评估了该方法，其在召回率、精确率和F值三个指标上均优于SOTA基线。
引用
@article{arxiv.2305.12506,
title = {CNN-based Dendrite Core Detection from Microscopic Images of Directionally Solidified Ni-base Alloys},
author = {Xiaoguang Li},
journal= {arXiv preprint arXiv:2305.12506},
year = {2023}
}