文献

J-GLOBAL ID：202202210617657040   整理番号：22A0802175

深層学習知能に基づく小データベースにおけるSEM画像のデータ増強の有効性【JST・京大機械翻訳】

The Effectiveness of Data Augmentation of SEM Images on a Small Database Based on Deep-Learning Intelligence

著者 (4件)： Wong C. H. (Institute of Physics and Technology, Ural Federal University, Yekaterinburg, Russia) ,  Ng S. M. (Department of Applied Physics, The Hong Kong Polytechnic University, Hong Kong, China) ,  Leung C. W. (Department of Applied Physics, The Hong Kong Polytechnic University, Hong Kong, China) ,  Zatsepin A. F. (Institute of Physics and Technology, Ural Federal University, Yekaterinburg, Russia)
資料名： Brazilian Journal of Physics  (Brazilian Journal of Physics)
巻： 52  号： 2  ページ： 59  発行年： 2022年 
JST資料番号： W4121A  ISSN： 0103-9733  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： Nanoscience Foundies&Fine Analysis(NFFA)ヨーロッパプロジェクトにおけるソフトウェア開発は,多数の走査電子顕微鏡(SEM)画像を訓練する必要がある。しかし,大きなSEMデータセットを調製する価格は常に非常に高い。NFFAプロジェクトを支援するため,小データセット上のSEM画像を分類するための適切な計算法を探索した。ナノワイヤ-繊維-混合物画像の組成を同定するために,それらの幾何学的類似性により,ナノワイヤ,繊維およびチップ間の画像分類の性能を最適化した。SEM画像は,11の畳み込みニューラルネットワーク(CNN)モデルの検証精度を比較する深層学習技術によって分析した。反射,並進,およびスケール因子アプローチのようなデータの多様性を増加させることによって,ナノワイヤ,繊維,およびチップを認識する最も高い検証精度は,97.1%である。検証精度を93%で最適化できる自己支援ナノワイヤ成長のための陽極酸化アルミニウム酸化物中の多孔性レベルを分類する。このソフトウェアは,任意のナノワイヤ-繊維複合材料中の繊維の割合を計数し,異なるサイズのナノワイヤを自動的に埋め込むための多孔質基板を設計する科学者の経路を示す。Copyright The Author(s) under exclusive licence to Sociedade Brasileira de Fisica 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  走査電子顕微鏡 ,  アノード酸化 ,  *データベース ,  分類 ,  酸化アルミニウム ,  *画像 ,  ソフトウェア ,  並進 ,  ソフトウェア開発 ,  スケール因子 ,  *機械学習 ,  ナノワイヤ
準シソーラス用語： 画像分類 ,  *SEM画像 ,  *深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： 走査電子顕微鏡 ,  深層学習 ,  データ増強

分類 (3件)： 人工知能  (JE08000Z) ,  医用画像処理  (JE04020T) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 深層学習 ,  知能 ,  データベース ,  SEM画像 ,  データ増強 ,  有効性