Глубокое машинное обучение для анализа микроскопических изображений функциональных материалов | Sciact - CRIS-система Института катализа

Глубокое машинное обучение для анализа микроскопических изображений функциональных материалов Тезисы доклада

Конференция

VI Школа-конференция молодых ученых «Неорганические соединения и функциональные материалы»
27-30 сент. 2022 , Новосибирск

Сборник

Программа и тезисы докладов VI Школы-конференции молодых учёных «Неорганические соединения и функциональные материалы» ICFM-2022
Сборник, ИНХ СО РАН. Новосибирск.2022. 156 c. ISBN 9785901688502.

Вых. Данные

Год: 2022, Номер статьи : 006, Страниц : 1

Ключевые слова

Глубокое машинное обучение, микроскопический анализ

Авторы

Нартова А.В. ^1,2 , Машуков М.Ю. ² , Матвеев А.В. ² , Санькова Н.Н. ^1,2 , Кудинов В.Ю. ² , Окунев А.Г. ²

Организации

1	ИК СО РАН, пр. Лаврентьева 5, Новосибирск 630090
2	НГУ, ул. Пирогова 2, Новосибирск 630090

Информация о финансировании (1)

Министерство науки и высшего образования Российской Федерации (с 15 мая 2018)

0239-2021-0002

В представленной работе глубокое машинное обучение использовано для поиска объектов на изображениях, полученных методами сканирующей зондовой и просвечивающей электронной микроскопий. С использованием данного подхода созданы уникальные сервисы для анализа микроскопических изображений: веб-сервис ParticlesNN (http://particlesnn.nsu.ru) и облачный сервис DLgram (t.me/nanoparticles_nsk).

Нартова А.В. , Машуков М.Ю. , Матвеев А.В. , Санькова Н.Н. , Кудинов В.Ю. , Окунев А.Г.
Глубокое машинное обучение для анализа микроскопических изображений функциональных материалов
В сборнике Программа и тезисы докладов VI Школы-конференции молодых учёных «Неорганические соединения и функциональные материалы» ICFM-2022. – ИНХ СО РАН., 2022. – C.24. – ISBN 9785901688502.

Нет идентификаторов

Пока нет цитирований