计算机应用研究

作者：魏惠姗,韩越兴,王冰,陈侨川,

单位：1.上海大学计算机工程与科学学院,上海200444；2.之江实验室,杭州311100；

关键词：语义分割,图卷积神经网络,图注意力,材料图像,深度学习,小样本,

基金：国家重点研发计划资助项目(2018YFB0704400,2020YFB0704503)；上海市自然科学基金资助项目(20ZR1419000)；之江实验室科研攻关项目(2021PE0AC02)；；

小样本材料图像分割是图像分割领域的研究难点之一。材料图像的微观结构大多数形状各异、纹理复杂且边界模糊，会导致材料图像的分割不准确。Graph-UNet被提出融合U-Net和图卷积神经网络来解决小样本材料图像自动分割的挑战，它将卷积神经网络的多维特征融合和跳跃连接的思想迁移到图卷积神经网络中实现图卷积和图注意力的有效结合，并且建立了一个通用的模块实现特征图和图结构相互转换。在材料图像数据集上进行了对比和消融实验，证明了Graph-UNet的分割结果优于很多先进方法，准确地识别了多种材料结构，推动了探究材料结构和性能关系的发展。

来源：2022年第10期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第10期