Автоматическое распознавание наночастиц на изображениях сканирующей зондовой микроскопии с помощью различных методов глубокого машинного обучения | Sciact - CRIS-система Института катализа

Автоматическое распознавание наночастиц на изображениях сканирующей зондовой микроскопии с помощью различных методов глубокого машинного обучения Тезисы доклада

Конференция

Всероссийская научно-техническая конференция с международным участием «Робототехника и искусственный интеллект»
14-14 дек. 2019 , Железногорск

Сборник

Робототехника и искусственный интеллект
Сборник, Литера-Принт. Москва.2019. 409 c. ISBN 9785907232310. РИНЦ

Вых. Данные

Год: 2019, Страницы: 248-251 Страниц : 4

Ключевые слова

РАСПОЗНАВАНИЕ ОБРАЗОВ, PARTICLES RECOGNITION, ГЛУБОКИЕ НЕЙРОННЫЕ СЕТИ, DEEP NEURAL NETWORKS, СКАНИРУЮЩАЯ ТУННЕЛЬНАЯ МИКРОСКОПИЯ, SCANNING TUNNELING MICROSCOPY, НАНОЧАСТИЦЫ, NANOPARTICLES

Авторы

Окунев А.Г. ^1,2,3 , Нартова А.В. ^2,1 , Лиз М.Ф. ^1,4 , Матвеев А.В. ^1,2

Организации

1	Новосибирский государственный университет, г. Новосибирск, Россия
2	Институт катализа им. Г.К. Борескова СО РАН, г. Новосибирск, Россия
3	Высший колледж информатики НГУ, г. Новосибирск, Россия
4	Центр финансовых технологий, г. Новосибирск, Россия

Информация о финансировании (2)

1	Федеральное агентство научных организаций России	0303-2016-0001
2	Министерство образования и науки Российской Федерации

В работе представлены результаты применения методов глубокого обучения для автоматического поиска наночастиц платины , нанесенных на поверхность высокоориентированного пиролитического графит а (ВОПГ), на изображениях сканирующего туннельного микроскопа (СТМ). В работе использовалась нейронные сети CascadeRCNN , UNet , Linknet и FPN на разных энкодерах ( resnet 34, resnet 50, se resnext 50, resnext 101) Обучение сети осуществлялось на массиве данных, содержащих 10 СТМ изображений с 1918 наночастицами. Для верификации использовали 5 изображений с 2052 наночастицами. В результате, обученная нейронная сеть способна распознавать наночастицы с точностью более 50%. Наночастицы указываются как четкие контуры, что необходимо для дальнейшей обработки результатов. Проведено сравнение полученных результатов с результатами использования других программных продуктов. Показано преимущество применения методов глубокого машинного обучения для автоматического поиска частиц. https://elibrary.ru/item.asp?id=42311765&

Окунев А.Г. , Нартова А.В. , Лиз М.Ф. , Матвеев А.В.
Автоматическое распознавание наночастиц на изображениях сканирующей зондовой микроскопии с помощью различных методов глубокого машинного обучения
В сборнике Робототехника и искусственный интеллект. – Литера-Принт., 2019. – C.248-251. – ISBN 9785907232310. РИНЦ

РИНЦ:

42311765

БД	Цитирований
РИНЦ	3