用于 CT 扫描中短玻璃纤维自动语义分割的全卷积深度网络架构
计算机视觉与模式识别
2019-01-07 v1
摘要
我们首次尝试利用深度学习架构，从中分辨率（3.9 {\mu}m 各向同性）和低分辨率（8.3 {\mu}m 各向同性）的 X 射线计算机断层扫描体数据集中进行短玻璃纤维语义分割。我们在合成与真实 CT 扫描上均进行了实验，并评估了采用 2D 与 3D 卷积核的深度全卷积架构。我们的人工神经网络在中分辨率和低分辨率扫描上均优于现有方法。
引用
@article{arxiv.1901.01211,
title = {Fully Convolutional Deep Network Architectures for Automatic Short Glass Fiber Semantic Segmentation from CT scans},
author = {Tomasz Konopczyński and Danish Rathore and Jitendra Rathore and Thorben Kröger and Lei Zheng and Christoph S. Garbe and Simone Carmignato and Jürgen Hesser},
journal= {arXiv preprint arXiv:1901.01211},
year = {2019}
}
备注
Accepted to 8th Conference on Industrial Computed Tomography, Wels, Austria (iCT 2018)