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...

Ausführliche Beschreibung

Bibliographische Detailangaben

Veröffentlicht in:	Materials & design Jg. 223; S. 111236
Hauptverfasser:	Arumugam, Dharanidharan, Kiran, Ravi
Format:	Journal Article
Sprache:	Englisch
Veröffentlicht:	Elsevier Ltd 01.11.2022 Elsevier
Schlagworte:	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
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!