Measuring particle statisticsusing a CNN-based segmentationAnders B. L. Larsen Anders B. Dahl Rasmus Larsen
Motivation
max-poolstride 2
5
136
3232
3 1 3216
5
3212
3 132
6500
1
1
max-poolstride 2
conv conv fully connecteddropout = 0.5
52
32
3236
5
3
16
5
3 26 5
conv
12
0 1 2 3 4 5 60
0.5
1Day 1
0 1 2 3 4 5 60
0.5
1Day 2
0 1 2 3 4 5 60
0.5
1Day 6
0 1 2 3 4 5 60
0.5
1Day 15
0 1 2 3 4 5 60
0.5
1Day 29
0 1 2 3 4 5 60
0.5
1Day 64
0 1 2 3 4 5 60
0.5
1Day 120
0 1 2 3 4 5 60
0.5
1Day 250
0
1
0,10
0,33
0,55
0,78
1,00
1,23
1,45
1,68
1,90
2,13
2,35
2,58
2,80
3,03
3,25
3,48
3,70
3,93
4,15
4,38
4,60
4,83
5,05
5,28
5,50
0
1
0,10
0,33
0,55
0,78
1,00
1,23
1,45
1,68
1,90
2,13
2,35
2,58
2,80
3,03
3,25
3,48
3,70
3,93
4,15
4,38
4,60
4,83
5,05
5,28
5,50
0
1
0,10
0,33
0,55
0,78
1,00
1,23
1,45
1,68
1,90
2,13
2,35
2,58
2,80
3,03
3,25
3,48
3,70
3,93
4,15
4,38
4,60
4,83
5,05
5,28
5,50
0
1
0,10
0,33
0,55
0,78
1,00
1,23
1,45
1,68
1,90
2,13
2,35
2,58
2,80
3,03
3,25
3,48
3,70
3,93
4,15
4,38
4,60
4,83
5,05
5,28
5,50
0
1
0,10
0,33
0,55
0,78
1,00
1,23
1,45
1,68
1,90
2,13
2,35
2,58
2,80
3,03
3,25
3,48
3,70
3,93
4,15
4,38
4,60
4,83
5,05
5,28
5,50
0
1
0,10
0,33
0,55
0,78
1,00
1,23
1,45
1,68
1,90
2,13
2,35
2,58
2,80
3,03
3,25
3,48
3,70
3,93
4,15
4,38
4,60
4,83
5,05
5,28
5,50
0
1
0,10
0,33
0,55
0,78
1,00
1,23
1,45
1,68
1,90
2,13
2,35
2,58
2,80
3,03
3,25
3,48
3,70
3,93
4,15
4,38
4,60
4,83
5,05
5,28
5,50
0
1
0,10
0,33
0,55
0,78
1,00
1,23
1,45
1,68
1,90
2,13
2,35
2,58
2,80
3,03
3,25
3,48
3,70
3,93
4,15
4,38
4,60
4,83
5,05
5,28
5,50
1 2 3 4 5 6
Particle area distribution1
00
μm2
![TensorMask: A Foundation for Dense Object Segmentation · rate predictions, as pioneered by Faster R-CNN [34] and Mask R-CNN [17] for bounding-box object detection and instance segmentation,](https://cdn.vdocuments.us/doc/165x107/5e386a20c7754528ff72ed34/tensormask-a-foundation-for-dense-object-segmentation-rate-predictions-as-pioneered.jpg)
![Deep-6DPose: Recovering 6D Object Pose from a Single RGB Image · Faster R-CNN [27] and instance segmentation method Mask R-CNN [9] is the Region Proposal Network — RPN. The core](https://cdn.vdocuments.us/doc/165x107/5ecc609fb8c6ff0d7514b718/deep-6dpose-recovering-6d-object-pose-from-a-single-rgb-image-faster-r-cnn-27.jpg)
