.png){kind=icon}
返回
Human perception-inspired grain segmentation refinement using conditional random fields
.png){kind=icon}
OA
AI
DOI：10.1016/j.matchar.2025.115694.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 提升精度：后处理方法显著提高了分割精度，并通过IoU和DSC指标得到验证。
• 提高效率：与手动标注相比，大幅减少了分割时间，能够实现原位实验的快速分析。
• 新晶粒对齐指标：为分割区域精度提供了更稳健的精度度量，尤其适用于细小掩模。
• 跨领域适用性：稳健的后处理方法可推广应用于多种晶体材料。
Keyword:
Grain segmentation
Grain boundary networks
Computer vision
Conditional random fields
Microstructure
Electron microscopy
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
5.5
论文数:
1.1W
被引数:
3.4W
机构
引用论文
Lymphatic vessel segmentation in optical coherence tomography by adding U-Net-based CNN for artifact minimization通过添加基于U-Net的CNN实现光学相干层析成像中淋巴管的分割以最小化伪影
OAAI
OAAI分享收藏分享收藏Dulau, I., Helmer, C., Delcourt, C., & Beurton-Aimar, M. (2023). Ensuring a connected structure for Retinal Vessels Deep-Learning Segmentation. 2023 IEEE/CVF International Conference on Computer Vision Workshops (ICCVW), 2356–2365. doi: 10.1109/ICCVW60793.2023.00250Dulau, I., Helmer, C., Delcourt, C., & Beurton-Aimar, M. (2023). 确保视网膜血管深度学习分割的连通结构。2023 IEEE/CVF国际计算机视觉研讨会(ICCVW), 2356–2365. doi: 10.1109/ICCVW60793.2023.00250.png)
IF0
PREAI
分享收藏
查看更多内容