合成图像渲染解决深度学习纳米颗粒分割中的标注问题
机器学习
2020-11-23 v1 材料科学
计算机视觉与模式识别
图像与视频处理
应用物理
摘要
纳米颗粒作为人为过程的后果出现在各种环境中，这引发了对其环境与人类健康影响的担忧。为实现恰当的风险评估，需要对颗粒特征（例如尺寸、形状和组成）进行精确且具有统计相关性的分析，而这必将极大受益于自动化的图像分析流程。尽管深度学习在目标检测任务中展现出令人印象深刻的成果，其适用性却受限于具代表性的、实验收集且人工标注的训练数据的数量。在此，我们提出一种优雅、灵活且通用的方法以绕过这一昂贵且繁琐的数据获取过程。我们表明，使用渲染软件可生成逼真的合成训练数据来训练最先进的深度神经网络。采用此方法，我们针对所选作示例的毒理学相关金属氧化物纳米颗粒集合，获得了可与人工标注相媲美的分割精度。我们的研究为在各种成像技术（如显微镜与光谱学）中将深度学习用于自动化、高通量颗粒检测铺平了道路，可服务于广泛的研究与应用，包括塑料微塑料与纳米颗粒的检测。
引用
@article{arxiv.2011.10505,
title = {Synthetic Image Rendering Solves Annotation Problem in Deep Learning Nanoparticle Segmentation},
author = {Leonid Mill and David Wolff and Nele Gerrits and Patrick Philipp and Lasse Kling and Florian Vollnhals and Andrew Ignatenko and Christian Jaremenko and Yixing Huang and Olivier De Castro and Jean-Nicolas Audinot and Inge Nelissen and Tom Wirtz and Andreas Maier and Silke Christiansen},
journal= {arXiv preprint arXiv:2011.10505},
year = {2020}
}