U-SLADS：用于动态枝晶采样的无监督学习方法
图像与视频处理
2018-07-09 v1 机器学习
信号处理
机器学习
摘要
对于基于扫描显微镜的成像技术，新颖的数据采集方案已成为迫切需求，以缩短数据采集时间并最小化样品暴露中的探测辐射。多种稀疏采样方案已被研究，非常适用于可从稀疏测量集重建图像的应用。动态稀疏采样方法，特别是基于监督学习的迭代采样算法，在成像过程中对边缘或边界的像素位置采样已显示出有前景的结果。然而，对金属枝晶等骨架状物体的动态采样仍然困难。在此，我们提出一种使用层次高斯混合模型（HGMM）的动态采样金属枝晶的新无监督学习方法。若用户在材料科学凝固过程中关注金属枝晶一次臂与二次臂的快速成像，该技术非常有用。
引用
@article{arxiv.1807.02233,
title = {U-SLADS: Unsupervised Learning Approach for Dynamic Dendrite Sampling},
author = {Yan Zhang and Xiang Huang and Nicola Ferrier and Emine B. Gulsoy and Charudatta Phatak},
journal= {arXiv preprint arXiv:1807.02233},
year = {2018}
}