用于反馈数字显微镜中实时定位与分类的卷积神经网络
软凝聚态物质
2020-04-14 v1 机器学习
图像与视频处理
光学
摘要
我们提出了一种改进的单次卷积神经网络（YOLOv2），用于光学显微镜中粒子的实时定位与分类。与以往工作相比，我们关注系统的实时检测能力，以借助反馈控制对大型异质集合中的微观物体进行操作。该网络能够在约 10 ms 的推理时间内，对低至 416x416 像素的图像，在极低信噪比下定位并分类数百个微观物体。我们通过操控由激光诱导自热泳推进的活性粒子展示了实时检测性能。为使我们的框架易于为他人使用，我们提供了所有脚本与源代码。该网络使用 TensorFlow 后端在 Python/Keras 中实现。我们提供了一个支持 GPU 的 C 语言库用于实时推理。
引用
@article{arxiv.2004.05243,
title = {Convolutional Neural Networks for Real-Time Localization and Classification in Feedback Digital Microscopy},
author = {Martin Fränzl and Frank Cichos},
journal= {arXiv preprint arXiv:2004.05243},
year = {2020}
}