Vision HgNN：一张电子显微图像值得一个超节点超图

利用电子显微图像进行材料表征是一项至关重要但具有挑战性的任务，应用领域涵盖半导体、量子材料、电池等。电子显微图像分类的挑战包括但不限于模式的复杂性、高细节水平和不平衡的数据分布（长尾分布）。现有方法难以建模电子显微图像中的复杂关系结构，阻碍了其有效捕捉显微图像不同空间区域之间复杂关系的能力。我们提出了一种超图神经网络（HgNN）骨干架构，这是一种概念上不同的方法，用于更好地建模电子显微图像中的复杂关系并提高材料表征精度。通过利用性价比高的GPU硬件，我们提出的框架在性能上超越了流行的基线。消融实验的结果证明，该框架在基准数据集上实现了最先进的性能，并且在处理大规模电子显微图像数据集的计算和内存需求方面具有高效性。