FibeR-CNN：扩展 Mask R-CNN 以改进基于图像的纤维分析
计算机视觉与模式识别
2020-10-21 v2
摘要
纤维状材料（如碳纳米管）因其独特性质以及可能带来的健康风险而极具相关性。遗憾的是，基于图像的纤维分析仍涉及人工标注，这是一个耗时且昂贵的过程。因此我们提出使用基于区域的卷积神经网络（R-CNN）来自动化该任务。Mask R-CNN 作为语义分割任务中最广泛使用的 R-CNN，在分析纤维状对象时容易出错。为此，引入并验证了一种新架构——FibeR-CNN。FibeR-CNN 结合了两种成熟的 R-CNN 架构（Mask 和 Keypoint R-CNN），并添加了用于预测纤维宽度和长度的额外网络头。结果，在全新的纤维图像测试数据集上，FibeR-CNN 的平均精度均值超越了 Mask R-CNN 达 33%（11 个百分点）。
引用
@article{arxiv.2006.04552,
title = {FibeR-CNN: Expanding Mask R-CNN to Improve Image-Based Fiber Analysis},
author = {Max Frei and Frank Einar Kruis},
journal= {arXiv preprint arXiv:2006.04552},
year = {2020}
}
备注
21 pages, 31 figures, 5 tables, 1 algorithm