探索显微组织流形：应用于超高碳钢显微组织的图像纹理表示
材料科学
2017-02-10 v2
摘要
我们引入了一个显微组织信息学数据集，聚焦于在一系列热处理下的单一超高碳钢中发现的复杂、分层结构。将当代计算机视觉研究中的图像表示应用于这些显微组织，我们讨论了有监督与无监督机器学习技术如何被用于洞察显微组织趋势及其与加工条件的关系。我们通过依据主要微组成物对显微组织分类，以及依据生成它们的退火条件对显微组织子集分类，评估并比较了基于关键点与卷积神经网络的表示。利用t-SNE（一种非线性降维与可视化技术），我们展示了探索显微组织与加工数据集以及理解和解释高维显微组织表示的图形方法。
引用
@article{arxiv.1702.01117,
title = {Exploring the microstructure manifold: image texture representations applied to ultrahigh carbon steel microstructures},
author = {Brian L. DeCost and Toby Francis and Elizabeth A. Holm},
journal= {arXiv preprint arXiv:1702.01117},
year = {2017}
}
备注
Data publication forthcoming