利用深度学习特征的奇异值分解可视化环氧树脂X射线图像关键特征以改进材料分类
计算机视觉与模式识别
2023-12-05 v3
摘要
尽管环氧树脂的工艺变量会改变其机械性能,但这些材料样品X射线图像特征的可视化识别具有挑战性。为便于识别,我们近似不同种类环氧树脂X射线图像强度场的梯度幅值,随后使用深度学习来发现变换后图像最具代表性的特征。在这一寻找用于区分异质材料样品的特征的逆问题求解中,我们使用从卷积神经网络早期层特征图所有通道的奇异值分解所得的特征向量。虽然最强激活通道给出了特征的可视化表示,但在某些实际场景中这些往往不够鲁棒。另一方面,特征图矩阵分解的左奇异向量在网络容量或网络架构等变量变化时几乎不变。本文给出了特征的高分类准确率与鲁棒性。
引用
@article{arxiv.2004.11968,
title = {Visualizing key features in X-ray images of epoxy resins for improved material classification using singular value decomposition of deep learning features},
author = {Edgar Avalos and Kazuto Akagi and Yasumasa Nishiura},
journal= {arXiv preprint arXiv:2004.11968},
year = {2023}
}
备注
43 pages, 16 figures