用于化学实验室器皿与材料识别的U-Net卷积网络
计算机视觉与模式识别
2022-11-11 v2
摘要
卷积网络已广泛应用于计算机视觉系统。受这些结果鼓舞，我们将U-Net卷积网络应用于使用近期Vector-LabPics数据集的化学实验室器皿与材料识别，该数据集包含2187张化学实验室及其他一般场景中大多为透明器皿内材料的图像，标注有13个类别。通过优化包括学习率与学习率衰减的超参数，器皿识别达到了87%的准确率。在训练与测试集相对较小（较罕见材料状态，训练集样本数少于500且测试集样本数少于100）的情况下，最佳模型在IoU上综合提升超18%、在准确率上提升19%。通过在我们模型中引入改进的卷积网络结构，可能实现进一步提升。
引用
@article{arxiv.2109.05585,
title = {U-Net Convolutional Network for Recognition of Vessels and Materials in Chemistry Lab},
author = {Zhihao Shang and Di Bo},
journal= {arXiv preprint arXiv:2109.05585},
year = {2022}
}
备注
Some models need to be improved to get exact results