Katalog Plus
Bibliothek der Frankfurt UAS
Bald neuer Katalog: sichern Sie sich schon vorab Ihre persönlichen Merklisten im Nutzerkonto: Anleitung.
Dieses Ergebnis aus BASE kann Gästen nicht angezeigt werden.  Login für vollen Zugriff.

Unlocking 3D nanoparticle shapes from 2D HRTEM images: Deep Learning for classification at atomic resolution

Title: Unlocking 3D nanoparticle shapes from 2D HRTEM images: Deep Learning for classification at atomic resolution
Authors: Moreau, Romain; Amara, Hakim; Moreaud, Maxime; Nelayah, Jaysen; Moncomble, Adrien; Ricolleau, Christian; D., Alloyeau; Gatti, Riccardo
Contributors: Université Paris Saclay, ONERA, CNRS, Laboratoire d'étude des microstructures (LEM); ONERA-Université Paris-Saclay-Centre National de la Recherche Scientifique (CNRS); DMAS, ONERA, Université Paris Saclay Châtillon; ONERA-Université Paris-Saclay; Laboratoire Matériaux et Phénomènes Quantiques (MPQ (UMR_7162)); Centre National de la Recherche Scientifique (CNRS)-Université Paris Cité (UPCité); IFP Energies nouvelles (IFPEN)
Source: Journées de la Matière Condensée (JMC 2024) ; https://hal.science/hal-04771041 ; Journées de la Matière Condensée (JMC 2024), Oct 2024, Marseille, France ; https://jmc2024.sciencesconf.org/
Publisher Information: CCSD
Publication Year: 2024
Subject Terms: transmission electron microscopy; deep learning; nanoparticle; artificial intelligence; microscopie électronique à transmission; apprentissage profond; nanoparticule; intelligence artificielle; [PHYS]Physics [physics]; [CHIM]Chemical Sciences; [SPI]Engineering Sciences [physics]
Subject Geographic: Marseille; France
Description: International audience
Document Type: conference object
Language: English
Availability: https://hal.science/hal-04771041
Accession Number: edsbas.52875211
Database: BASE