用于电子显微镜数据少样本机器学习分类的图形用户界面设计
材料科学
2021-12-30 v1 机器学习
摘要
现代电子显微镜所产数据量近年的增长，要求对图像分割与分析采取快速、可扩展且灵活的方法。少样本机器学习能从少量用户提供的示例中丰富地分类图像，是高通量分析的一条有前景途径。然而，此类方法的当前命令行实现可能缓慢且使用不直观，缺乏进行有效分类所需的实时反馈。在此我们报告一个基于 Python 的图形用户界面的开发，其使终端用户能轻松执行并可视化少样本学习模型的输出。该界面轻量，可本地或基于网络托管，提供了可重复地执行、共享以及众包少样本分析的机会。
引用
@article{arxiv.2107.10387,
title = {Design of a Graphical User Interface for Few-Shot Machine Learning Classification of Electron Microscopy Data},
author = {Christina Doty and Shaun Gallagher and Wenqi Cui and Wenya Chen and Shweta Bhushan and Marjolein Oostrom and Sarah Akers and Steven R. Spurgeon},
journal= {arXiv preprint arXiv:2107.10387},
year = {2021}
}
备注
19 pages, 4 figures