Detail publikace

Correction of AFM data artifacts using a convolutional neural network trained with synthetically generated data

KOCUR, V.; HEGROVÁ, V.; PATOČKA, M.; NEUMAN, J.; HEROUT, A. Correction of AFM data artifacts using a convolutional neural network trained with synthetically generated data. Ultramicroscopy, 2023, vol. 246, no. 1, p. 113666-113666. ISSN: 0304-3991.
Název česky
Korekce artefaktů v AFM datech pomocí CNN naučených na syntetických datech
Typ
článek v časopise
Jazyk
anglicky
Autoři
Kocur Viktor, Ing., Ph.D.
Hegrová Veronika, Ing.
Patočka Marek, Ing.
Neuman Jan, Ing., Ph.D.
Herout Adam, prof. Ing., Ph.D. (UPGM)
URL
Klíčová slova

Atomic force microscopy, Reconstruction by CNN, Machine learning for atomic force microscopy, Automatic image correction, Synthetic training data generation

Abstrakt

AFM mikroskopie je ze své podstaty zatížena chybami měření. Článek přichází s řešením, jak chyby kompenzovat pomocí technik strojového učení. Protože je obtížné pořizovat větší datové sady nutné pro učení konvolučních neuronových sítí, článek prezentuje metodologii, jak generovat syntetická data. Experimentální vyhodnocení ukazuje, že navržený přístup ke kompenzaci chyb i ke generování syntetických dat je funkční a překonává existující přístupy.

Rok
2023
Strany
113666–113666
Časopis
Ultramicroscopy, roč. 246, č. 1, ISSN 0304-3991
DOI
10.1016/j.ultramic.2022.113666
UT WoS
000917791400001
EID Scopus
2-s2.0-85145353263
BibTeX 
@article{BUT183599,
  author="Viktor {Kocur} and Veronika {Hegrová} and Marek {Patočka} and Jan {Neuman} and Adam {Herout}",
  title="Correction of AFM data artifacts using a convolutional neural network trained with synthetically generated data",
  journal="Ultramicroscopy",
  year="2023",
  volume="246",
  number="1",
  pages="113666--113666",
  doi="10.1016/j.ultramic.2022.113666",
  issn="0304-3991",
  url="https://www.sciencedirect.com/science/article/pii/S0304399122001851?via%3Dihub"
}
Nahoru