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 bibliografia

Vydané v:	Materials & design Ročník 223; s. 111236
Hlavní autori:	Arumugam, Dharanidharan, Kiran, Ravi
Médium:	Journal Article
Jazyk:	English
Vydavateľské údaje:	Elsevier Ltd 01.11.2022 Elsevier
Predmet:	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 prístup:	Získať plný text
Tagy:	Pridať tag Žiadne tagy, Buďte prvý, kto otaguje tento záznam!