基于3D深度嵌入学习的低分辨率CT扫描中纤维实例分割
计算机视觉与模式识别
2019-01-07 v1
摘要
我们提出了一种从短玻璃纤维增强聚合物的低分辨率3D X射线计算机断层扫描中自动提取（实例分割）纤维的新方法。我们设计了一种3D实例分割架构，构建于用于语义分割的深度全卷积网络之上，并带有用于嵌入学习的额外输出。我们展示了嵌入学习能够学习体素到嵌入空间的映射，其中标准聚类算法可用于区分体积中物体的不同实例。此外，我们讨论了一种合并后处理方法，使得处理任意大小的体数据成为可能。所提出的3D实例分割网络与我们的合并算法，据作者所知，是首个产生足够好结果、可用于低分辨率纤维复合材料CT扫描进一步分析的步骤。
引用
@article{arxiv.1901.01034,
title = {Instance Segmentation of Fibers from Low Resolution CT Scans via 3D Deep Embedding Learning},
author = {Tomasz Konopczyński and Thorben Kröger and Lei Zheng and Jürgen Hesser},
journal= {arXiv preprint arXiv:1901.01034},
year = {2019}
}
备注
Accepted to BMVC 2018