17、基于NASNet-Large的HOC层分割与厚度预测模型研究

基于NASNet-Large的HOC层分割与厚度预测模型研究

1. 引言

在材料科学和电子显微镜成像领域，对透射电子显微镜（TEM）图像中头部外涂层（HOC）层的准确分割和厚度测量至关重要。传统方法在处理复杂图像时存在局限性，本文提出了一种基于NASNet-Large的分割网络以及相关的厚度预测方法，旨在提高分割和测量的准确性。

2. 方法

2.1 NASNet-Large分割网络

NASNet-Large分割网络由编码器和解码器组成，随后是一个分类层。与Segnet不同，该网络使用NASNet-Large网络的前414层作为编码器来分解图像。选择前414层是因为其最终层的大小接近原始图像，不会丢失太多信息。同时，不使用预训练权重，而是使用新数据重新训练网络，以适应特定的数据集。
解码器包含四个块，每个块包括上采样、卷积、ReLU激活和批量归一化层。最终的解码器输出被输入到一个可训练的soft-max分类器，以生成概率图像，预测分割结果对应于每个像素处概率最大的类别。

下面是NASNet-Large分割网络的结构流程：

graph LR
    A[输入图像] --> B[NASNet-Large前414层编码器]
    B --> C[解码器块1]
    C --> D[解码器块2]
    D --> E[解码器块3]
    E --> F[解码器块4]
    F --> G[Soft-max分类器]
    G --> H[预测分割结果]

2.2