ED-NAS:基于神经网络架构搜索的陶瓷晶粒SEM图像分割方法

作     者：蔡超丽 李纯纯 黄琳 杨铁军 CAI Chao-li;LI Chun-chun;HUANG Lin;YANG Tie-jun

作者机构：桂林理工大学广西嵌入式技术与智能系统重点实验室广西桂林541006 桂林理工大学材料科学与工程学院广西桂林541006 

基　　金：国家自然科学基金(No.61941202) 广西自然科学基金(No.2018GXNSFBA281081) 广西嵌入式技术与智能系统重点实验室开放基金(No.2020-2-2) 

出 版 物：《电子学报》 (Acta Electronica Sinica)

年 卷 期：2022年第50卷第2期

页      码：461-469页

摘      要：为了提高深度卷积神经网络(Convolutional Neural Network,CNN)设计的自动化程度并进一步提高陶瓷晶粒扫描电子显微镜(Scanning Electron Microscope,SEM)图像分割的准确性,提出了一种基于神经网络架构搜索的陶瓷晶粒图像分割方法 .该方法设计多分支结构编码空间和链式结构解码空间,并构造多分支结构编码Cell和链式结构解码Cell;同时基于强化学习分别搜索最佳编码Cell和解码Cell;此外,基于编码-解码神经网络架构堆叠最佳Cell构建陶瓷晶粒图像分割CNN,并采用池化索引在解码阶段恢复丢失的细节信息.实验在包含了629张的陶瓷晶粒SEM图像数据集上进行,搜索最佳Cell耗时约148 GPU-时.与U-Net、SegNet等SOTA方法相比,该方法在陶瓷晶粒测试集上获得了更高的分割准确性(mIoU≈68.9%).

主 题 词：神经网络架构搜索 编码-解码神经网络架构 陶瓷晶粒 图像分割 编码Cell 解码Cell 

学科分类：08[工学] 081201[081201] 0812[工学-测绘类] 

核心收录：

D　O　I：10.12263/DZXB.20201416

馆 藏 号：203110074...