.png){kind=icon}
返回
Micro-KTNet: Microstructure knowledge transfer learning for fiber masterbatch agglomeration recognition
.png){kind=icon}
PRE
AI
DOI：10.1177/15280837241307864.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
纤维色母粒生产受高浓度色母粒固有团聚效应的影响，对色母粒中的颜色均匀性、颗粒分散性和热稳定性产生负面影响，最终影响纤维产品的质量。然而，由于团聚状态的复杂性、难以区分微米级团聚以及数据有限，在扫描电子显微镜（SEM）图像中准确识别和分类团聚仍是一项挑战。为解决这一挑战，本文提出了一种新型微观结构识别架构Micro-KTNet，该架构专为分割纤维色母粒团聚的SEM图像而设计。首先，Micro-KTNet利用可转移的微观结构特征初始化所提出的网络，缓解了数据有限的影响。其次，为处理微观结构中的多尺度特征，构建了编码-解码结构，并使用跳跃连接传递编码层的输出特征。最后，解码器整合了一种新型注意力模块，以有效处理全局和局部特征。为评估Micro-KTNet，构建了一个独特的纤维色母粒SEM数据库，作为微米级团聚识别的基准。实验结果表明，Micro-KTNet超越了现有的先进方法，并将识别精度从75.37%提升至87.04%。
Keyword:
Fiber masterbatch
agglomeration effects
encoder-decoder framework
transfer learning
microstructure segmentation
attention module
期刊
IF:
2
论文数:
25
被引数:
4.3K
机构
引用论文
Multi-Level Medical Image Segmentation Network Based on Multi-Scale and Context Information Fusion Strategy基于多尺度和上下文信息融合策略的多层次医学图像分割网络
PREAI
分享收藏Learning Phrase Representations using RNN Encoder–Decoder for Statistical Machine Translation使用RNN编码器-解码器学习统计机器翻译的短语表示
OAAI
OAAI分享收藏All-optical spiking neurosynaptic networks with self-learning capabilities具有自学习能力的全光尖峰神经突触网络.png)
Nature
OAAI
NatureIF0
OAAI分享收藏Inception-v4, Inception-ResNet and the Impact of Residual Connections on LearningInception-v4、Inception-ResNet和剩余连接对学习的影响OAAI
OAAI分享收藏FusionNet: A Deep Fully Residual Convolutional Neural Network for Image Segmentation in ConnectomicsOAAI
OAAI分享收藏
查看更多内容