Отрывок: В работе [31] представлена метрика Kernel Inception Distance (KID). Она (как и FID) оценивает расстояние между двумя нормальными распределе- ниями и равна квадрату максимального среднего рас- хождения между распределением выхода предпо- следнего слоя сети Inception на изображениях, гене- рируемых ГСН, и на исходных изображениях. Мет- рика KID рассчитывается по формуле: 2 1 1 1( , ) ( , ) ( 1) 1 2( , ) ( , ), ( 1) m i j i j m m m i j i j i j...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Шелковникова, Т.Е. | - |
dc.contributor.author | Егоров, С.Ф. | - |
dc.contributor.author | Гуляев, П.В. | - |
dc.date.accessioned | 2023-02-28 16:19:39 | - |
dc.date.available | 2023-02-28 16:19:39 | - |
dc.date.issued | 2023-04 | - |
dc.identifier | Dspace\SGAU\20230222\102130 | ru |
dc.identifier.citation | Шелковникова, Т.Е. Применение генеративно-состязательных нейросетей для формирования баз данных в сканирующей туннельной микроскопии / Т.Е. Шелковникова, С.Ф. Егоров, П.В. Гуляев // Компьютерная оптика. – 2023. – Т. 47, № 2. – С. 314-322. – DOI: 10.18287/2412-6179-CO-1144. | ru |
dc.identifier.uri | 10.18287/2412-6179-CO-1144 | - |
dc.identifier.uri | http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Primenenie-generativnosostyazatelnyh-neirosetei-dlya-formirovaniya-baz-dannyh-v-skaniruushei-tunnelnoi-mikroskopii-102130 | - |
dc.description.abstract | Получение изображения со сканирующего туннельного микроскопа является трудоемким процессом, а формирование большой базы данных для обучения нейросетей может занимать сотни часов. Статья посвящена созданию методики автоматической генерации изображений сканирующей туннельной микроскопии, позволяющей существенно сокращать время подготовки таких баз данных. В статье выполнен анализ современных методов и средств автоматической обработки изображений, полученных с зондовых и электронных микроскопов. Предложено использовать генеративно-состязательные сети для генерации изображений, полученных с применением сканирующего туннельного микроскопа, с целью формирования обучающих баз данных изображений. Описан процесс обучения и сравнения архитектур DCGAN с применением открытых библиотек OpenCV и Keras совместно с TensorFlow, выявлена наилучшая из них посредством вычисления метрик IS, FID, KID. С использованием метода дообучения генеративно-состязательной нейросети SRGAN и билинейной интерполяции на базе языка программирования Python осуществлено масштабирование изображений, полученных с DCGAN. Анализ вычисленных количественных значений метрик показал, что наилучшие результаты генерации изображений получены с применением DCGAN96 и сети SRGAN. Таким образом, разработана методика автоматической генерации базы данных изображений сканирующего туннельного микроскопа, основанная на поэтапном применении DCGAN96 и SRGAN. Показаны результаты сегментации изображений со сканирующего туннельного микроскопа с применением сети U-Net, обученной на сгенерированной базе данных. Все вычисления производились на видеокарте GTX GeForce 1070. | ru |
dc.language.iso | rus | ru |
dc.publisher | Самарский национальный исследовательский университет | ru |
dc.relation.ispartofseries | 47;2 | - |
dc.subject | база данных | ru |
dc.subject | генеративно-состязательная нейросеть | ru |
dc.subject | СТМ-изображение | ru |
dc.subject | методика автоматической генерации | ru |
dc.subject | сегментация | ru |
dc.title | Применение генеративно-состязательных нейросетей для формирования баз данных в сканирующей туннельной микроскопии | ru |
dc.title.alternative | Application of generative adversarial neural networks for the formation of databases in scanning tunneling microscopy | ru |
dc.type | Article | ru |
dc.textpart | В работе [31] представлена метрика Kernel Inception Distance (KID). Она (как и FID) оценивает расстояние между двумя нормальными распределе- ниями и равна квадрату максимального среднего рас- хождения между распределением выхода предпо- следнего слоя сети Inception на изображениях, гене- рируемых ГСН, и на исходных изображениях. Мет- рика KID рассчитывается по формуле: 2 1 1 1( , ) ( , ) ( 1) 1 2( , ) ( , ), ( 1) m i j i j m m m i j i j i j... | - |
dc.classindex.scsti | 50.53.17 | - |
Располагается в коллекциях: | Журнал "Компьютерная оптика" |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
2412-6179_2023_47-2_314-322.pdf | Основная статья | 1.86 MB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.