性色av蜜臀av人妻无码软件,免费人成自慰网站,无码人妻丰满熟妇区蜜臀涩图

圣光機大學Small Methods: 遷移學習+輪廓檢測進行手繪圖的逆向材料搜索

各種形態和成分的納/微米材料在許多不同領域都有廣泛的用途。然而，尋找具有所需結構、形狀和尺寸的定制納米材料仍然是一個挑戰，并且通常通過在文獻中進行人工篩選來實現。

在此，俄羅斯圣光機大學Vladimir Vinogradov等人首次開發了掃描/透射電子顯微鏡逆向圖像搜索和基于手繪圖的遷移學習搜索，即通過將在超過1400萬張圖像上預訓練的VGG16卷積神經網絡（CNN）重新用于圖像特征提取（FE）和圖像相似性（IS）確定。其中，VGG16 CNN由卷積層、池化層和全連接密集層組成，所有這些層都代表了輸入圖像像素強度的數學變換。卷積層表示將濾波器應用于像素組，從而考慮相鄰像素之間的相互關系。

池化層用于壓縮圖像，從而產生更緊湊的圖像表示。密集層通常用于進一步的分類任務，以向量的形式產生一個或多個單獨的輸出，其分類精度與從圖像中提取高級特征的有效性高度相關。結果表明，這種方法允許搜索具有最接近的形狀豐度、尺寸分布及材料表面形態的材料，其中所有搜索結果在所有這些參數之間的折衷下進行排序。

圖1. VGG16 CNN的逐層架構及逆向SEM圖像搜索

此外，該方法在超過200種通過隨機高通量篩選手動合成的>20種不同形狀、尺寸和表面形態的CaCO₃基納米材料及從研究文章中提取的超過6種形狀的Au納米粒子的案例使用中得到證明，從而驗證了該方法的多功能性。

更重要的是，Canny輪廓檢測能夠實現基于手繪圖的查詢，該查詢引入了具有所需形狀、尺寸和表面形態的定制逆向材料搜索。這些發現表明，從顯微鏡圖像中提取的特征可作為納米材料的形狀、大小和形態的通用描述符。這項研究所開發的方法不僅可用于高級納米材料搜索、合成過程驗證和描述符生成，還可以進一步配備機器學習解決方案，從而在考慮形態特性的同時提供數據驅動的新型納米材料發現。

圖2. 基于手繪的逆向圖像搜索展示

Inverse Material Search and Synthesis Verification by Hand Drawings via Transfer Learning and Contour Detection, Small Methods 2022. DOI: 10.1002/smtd.202101619

原創文章，作者：v-suan，如若轉載，請注明來源華算科技，注明出處：http://www.zzhhcy.com/index.php/2023/10/13/0f1b3a95ee/

末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

圣光機大學Small Methods: 遷移學習+輪廓檢測進行手繪圖的逆向材料搜索

相關推薦