基于图网络的电子显微镜分类 - EMCNet

通过电子显微镜表征材料是多个材料加工行业中重要且具有挑战性的任务。电子显微镜的分类复杂，主要由于类内差异大、类间相似性强以及图案的多尺度空间特征。然而，现有方法在学习复杂图像模式方面效果不佳。我们提出了一个有效的端到端电子显微镜表征学习框架，用于纳米材料识别，以克服上述挑战。在开源数据集上进行纳米材料识别任务测试，证明该框架在性能上优于流行的基线方法。详细报告了消融研究，以支持方法有效性。