CNN Architectures for Image Processing.
- Deep Convolutional Neural Networks (DCNNs) and their applications in (XCT) data conditioning and automatic segmentation. A case study in Al-Si MMCs with synthetic training data.
Autor*innen: | Athanasios Tsamos |
---|---|
Dokumenttyp: | Vortrag |
Veröffentlichungsform: | Präsentation |
Sprache: | Englisch |
Jahr der Erstveröffentlichung: | 2023 |
Organisationseinheit der BAM: | 8 Zerstörungsfreie Prüfung |
8 Zerstörungsfreie Prüfung / 8.5 Röntgenbildgebung | |
DDC-Klassifikation: | Naturwissenschaften und Mathematik / Chemie / Analytische Chemie |
Freie Schlagwörter: | Artificial Intelligence; Automatic Segmentation; Synthetic Training Data; XCT |
Themenfelder/Aktivitätsfelder der BAM: | Chemie und Prozesstechnik |
Veranstaltung: | EUROLAB-D Tagung: KI im Prüflabor: Chancen und Herausforderungen von Künstlicher Intelligenz für akkreditierte Stellen |
Veranstaltungsort: | Berlin, Germany |
Beginndatum der Veranstaltung: | 14.11.2023 |
Verfügbarkeit des Dokuments: | Datei im Netzwerk der BAM verfügbar ("Closed Access") |
Datum der Freischaltung: | 12.12.2023 |
Referierte Publikation: | Nein |
Eingeladener Vortrag: | Nein |