理解感受野与网络复杂度在神经网络引导的 TEM 图像分析中的影响
材料科学
2022-11-23 v1 计算机视觉与模式识别
图像与视频处理
摘要
训练好的神经网络是分析日益增多的科学图像数据的有前景的工具，但尚不清楚如何最好地针对透射电子显微图像中的独特特征定制这些网络。在此，我们系统地考察了神经网络架构选择如何影响神经网络在透射电子显微镜 (TEM) 图像中将结晶纳米颗粒从非晶背景中分割（即逐像素分离）出来的效果。我们着重将感受野（即对输出决策有贡献的输入图像区域）的影响与网络复杂度（决定可训练参数数量）的影响解耦。我们发现，对于依赖振幅衬度来区分纳米颗粒与背景的低分辨率 TEM 图像，感受野对分割性能没有显著影响。另一方面，对于依赖振幅与相位衬度变化的结合来识别纳米颗粒的高分辨率 TEM 图像，感受野是提升性能的关键参数，尤其是在振幅衬度极小的图像中。我们的结果为如何将神经网络适配于 TEM 数据集应用提供了见解与指导。
引用
@article{arxiv.2204.04250,
title = {Understanding the Influence of Receptive Field and Network Complexity in Neural-Network-Guided TEM Image Analysis},
author = {Katherine Sytwu and Catherine Groschner and Mary C. Scott},
journal= {arXiv preprint arXiv:2204.04250},
year = {2022}
}
备注
11 pages, 8 figures