- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
基于深度学习的二维过渡金属硫族化合物单原子缺陷亚皮米级精度应变图谱绘制
摘要： 二维材料为研究单个原子缺陷诱导的应变场提供了理想平台，但辐射损伤相关挑战迄今限制了电子显微镜技术对这些原子尺度应变场的探测。本研究展示了一种在单层二维过渡金属硫族化合物WSe2-2xTe2x中以亚皮米级精度探测单原子缺陷的方法。我们利用深度学习挖掘像差校正扫描透射电子显微镜图像的大数据集来定位和分类点缺陷。通过组合数百张标称相同的缺陷图像，生成高信噪比的类别平均图，从而实现高达0.2皮米精度的二维原子间距测量。该方法揭示硒空位会在WSe2-2xTe2x晶格中引入复杂的振荡应变场，表现为晶格膨胀与收缩交替的环状结构。这些结果表明计算机视觉对开发适用于束敏材料的高精度电子显微镜方法具有潜在影响。
关键词： 扫描透射电子显微镜、应变图谱、单原子缺陷、深度学习、全卷积网络（FCN）、二维材料
更新于2025-09-23 15:21:01
-
基于多输入全卷积网络的三维光学相干断层扫描图像去噪
摘要： 近年来，将卷积神经网络（CNN）应用于去噪和超分辨率等低层视觉任务的研究日益增多。由于成像过程的相干特性，光学相干断层扫描（OCT）图像不可避免地会受到噪声影响。本文提出一种名为多输入全卷积网络（MIFCN）的新型OCT图像去噪方法。与近期提出的自然图像去噪CNN不同，该架构通过多个全卷积网络的像素级融合，能够利用相邻OCT图像间高度的相关性和互补信息。该多输入架构的参数学习考虑了整体输出与各输入图像贡献之间的一致性。研究采用定量与定性相结合的方式，将所提MIFCN方法与当前最先进的OCT图像去噪方法进行对比，测试对象包括正常眼及年龄相关性黄斑变性眼的OCT图像。
关键词： 多输入全卷积网络（FCN）、光学相干断层扫描（OCT）、图像去噪、全卷积网络（FCN）
更新于2025-09-24 01:01:34
-
[IEEE 2018年第25届国际图像处理会议(ICIP) - 希腊雅典 (2018.10.7-2018.10.10)] 2018年第25届IEEE国际图像处理会议(ICIP) - MFCNET：一种用于图像变化检测的端到端方法
摘要： 变化检测是计算机视觉和视频处理中的重要任务。由于存在无关紧要或干扰性的变化形式，传统方法需要复杂的图像预处理甚至人工干预。本研究提出一种端到端的变化检测方法，用于识别多幅图像中的时序变化。该方法将图像对输入深度卷积神经网络，该网络结合了MatchNet[1]模型与经过参数量优化的改进型全卷积网络[2]。我们使用2014年变化检测挑战赛数据集（CDnet2014）的子集帧进行方法训练与评估。实验对比表明，相较于多种已知方法，本方案展现出更优的性能表现。
关键词： MatchNet（匹配网络）、深度神经网络、全卷积网络（FCN）、多特征融合卷积网络（MFCNet）、变化检测
更新于2025-09-09 09:28:46
-
[2018年IEEE第20届国际多媒体信号处理研讨会(MMSP) - 加拿大不列颠哥伦比亚省温哥华市(2018年8月29日-8月31日)] 2018年IEEE第20届国际多媒体信号处理研讨会(MMSP) - 基于全卷积神经网络的遥感图像云检测算法
摘要： 本文提出了一种基于深度学习的框架，用于解决遥感图像中精确云检测的问题。该框架利用全卷积神经网络（FCN），能够对Landsat 8图像中的云区域进行像素级标注。同时，提出了一种基于梯度的识别方法，用于识别并排除训练集真实标签中的冰雪区域。研究表明，结合阈值法与深度学习这两种方法的混合方案，在无需人工修正自动生成的真实标签的情况下，提升了云检测的性能。平均而言，Jaccard指数和召回率分别提高了4.36%和3.62%。
关键词： 深度学习、Landsat 8、全卷积网络（FCN）、图像分割、U-Net、遥感、卷积神经网络（CNN）、云检测
更新于2025-09-09 09:28:46