基于自注意力与软标签深度学习的二维量子材料识别
计算机视觉与模式识别
2023-09-19 v2 人工智能
摘要
在量子机器领域，在硅芯片中检测二维（2D）材料是最关键的问题之一。实例分割可被视为解决该问题的一种潜在方法。然而，与其他深度学习方法类似，实例分割需要大规模训练数据集和高质量标注才能获得可观的性能。在实践中，准备训练数据集是一项挑战，因为标注者必须处理大图像（例如 2K 分辨率）以及该问题中极度密集的物体。在这项工作中，我们提出了一种新方法来解决二维量子材料识别中实例分割的标注缺失问题。我们提出了一种自动检测假阴性物体的新机制，以及一种基于注意力的损失策略，以减少这些物体对整体损失函数的负面影响。我们在二维材料检测数据集上进行了实验，实验表明我们的方法优于以往的工作。
引用
@article{arxiv.2205.15948,
title = {Two-Dimensional Quantum Material Identification via Self-Attention and Soft-labeling in Deep Learning},
author = {Xuan Bac Nguyen and Apoorva Bisht and Ben Thompson and Hugh Churchill and Khoa Luu and Samee U. Khan},
journal= {arXiv preprint arXiv:2205.15948},
year = {2023}
}