基于深度学习的虚拟边界检测方法

作     者：赖传滨 韩越兴 顾辉 王冰 LAI Chuanbin;HAN Yuexing;GU Hui;WANG Bing

作者机构：上海大学计算机工程与科学学院上海200444 上海大学上海先进通信与数据科学研究院上海200444 上海大学材料基因组工程研究院上海200444 上海大学材料科学与工程学院上海200444 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2018年第38卷第11期

页      面：3211-3215页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家青年科学基金资助项目(61603237) 上海市浦江人才计划项目(17PJ1402900) 上海高校特聘教授(东方学者)岗位计划~~ 

主　　题：虚拟边界检测 边缘检测 卷积神经网络 深度学习 图像分割 

摘      要：针对传统边缘检测方法无法对材料微观图像中不同区域间存在的虚拟边界(VB)进行准确检测的问题,提出一种基于卷积神经网络(CNN)的虚拟边界检测模型,称之为虚拟边界网络(VBN)。该模型对VGGNet深度学习模型进行了简化,并在模型训练过程中采用了dropout以及Adam算法等优化策略。VBN以图像中每个像素为中心所取的图像块作为输入,然后输出该图像块所属的类别并据此判断中心像素是否属于虚拟边界。在对两类材料图像进行虚拟边界检测的实验中,VBN的平均检测精度到达92.5%,平均召回率达到89.5%,证明该模型能够准确、有效地对图像中的虚拟边界进行检测,是一种替代低效率人工分析方法的有效手段。