マクロスケールの破壊面セグメンテーションにおける構造的類似性を考慮したセミ教師あり学習

本研究では、材料、試験片の種類、および撮影条件の違いを考慮した3つのデータセットを用いて、深層学習モデルによるマクロスケールの破壊面セグメンテーションの手法を確立した。構造的類似性の違いに応じて、ラベル付きデータ量を大幅に削減しつつ、頑健で一般化性の高いモデルを訓練することができた。また、得られたモデルを用いて初期き裂長さの自動測定を行い、従来の手動測定と同等の精度を達成した。