Compact representation and identification of important regions of metal microstructures using complex-step convolutional autoencoders

[Display omitted] •Dual-phase steel microstructural images are compactly represented with a compression ratio of 32.•The trained decoder network of the configured convolutional autoencoder facilitates the secure sharing of microstructural data.•Saliency maps generated in the study highlights the imp...

Celý popis

Podrobná bibliografie

Vydáno v:	Materials & design Ročník 223; s. 111236
Hlavní autoři:	Arumugam, Dharanidharan, Kiran, Ravi
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Elsevier Ltd 01.11.2022 Elsevier
Témata:	ASTM A992 Convolutional autoencoder Interpretable AI Pixel relevance Saliency maps Saliency maps ASTM A992 Pixel relevance Convolutional autoencoder Interpretable AI
ISSN:	0264-1275, 1873-4197
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!