基于深度学习的虚拟边界检测方法

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