Fugu-MT 論文翻訳(概要): Uneven illumination surface defects inspection based on convolutional neural network

論文の概要: Uneven illumination surface defects inspection based on convolutional neural network

arxiv url: http://arxiv.org/abs/1905.06683v3
Date: Sat, 15 Jul 2023 03:33:32 GMT
ステータス: 処理完了
システム内更新日: 2023-07-19 01:21:34.920389
Title: Uneven illumination surface defects inspection based on convolutional neural network
Title（参考訳）: 畳み込みニューラルネットワークを用いた不均一照明面欠陥検査
Authors: Hao Wu, Yulong Liu, Wenbin Gao, Xiangrong Xu
Abstract要約: 本稿では,畳み込みニューラルネットワークを用いた表面画像欠陥検出手法を提案する。銅帯および鋼板画像の欠陥検査実験により、畳み込みニューラルネットワークは、画像の前処理をせずに自動的に特徴を学習できることが示されている。
参考スコア（独自算出の注目度）: 4.475821533240529
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Surface defect inspection based on machine vision is often affected by uneven illumination. In order to improve the inspection rate of surface defects inspection under uneven illumination condition, this paper proposes a method for detecting surface image defects based on convolutional neural network, which is based on the adjustment of convolutional neural networks, training parameters, changing the structure of the network, to achieve the purpose of accurately identifying various defects. Experimental on defect inspection of copper strip and steel images shows that the convolutional neural network can automatically learn features without preprocessing the image, and correct identification of various types of image defects affected by uneven illumination, thus overcoming the drawbacks of traditional machine vision inspection methods under uneven illumination.
Abstract（参考訳）: マシンビジョンに基づく表面欠陥検査は、しばしば不均一な照明の影響を受ける。そこで本稿では, 畳み込みニューラルネットワークに基づく表面欠陥検出手法を提案する。この手法は, 畳み込みニューラルネットワークの調整, トレーニングパラメータ, ネットワーク構造の変化に基づいて, 様々な欠陥を正確に同定することを目的としている。銅帯および鋼板画像の欠陥検査実験により、畳み込みニューラルネットワークは画像の前処理をせずに自動的に特徴を学習し、不均一照明による様々な画像欠陥の同定を正し、不均一照明下での従来の機械視検査方法の欠点を克服することを示した。

関連論文リスト

DeepFidelity: Perceptual Forgery Fidelity Assessment for Deepfake Detection [67.3143177137102]
ディープフェイク検出(Deepfake detection)とは、画像やビデオにおいて、人工的に生成された顔や編集された顔を検出すること。本稿では,実顔と偽顔とを適応的に識別するDeepFidelityという新しいDeepfake検出フレームワークを提案する。
論文参考訳（メタデータ） (2023-12-07T07:19:45Z)
CINFormer: Transformer network with multi-stage CNN feature injection for surface defect segmentation [73.02218479926469]
表面欠陥分割のための多段CNN特徴注入を用いた変圧器ネットワークを提案する。 CINFormerは、入力画像のマルチレベルCNN機能をエンコーダ内のトランスフォーマーネットワークの異なるステージに注入する、シンプルだが効果的な機能統合機構を提供する。さらに、CINFormerはTop-Kセルフアテンションモジュールを提供し、欠陥に関するより重要な情報を持つトークンにフォーカスする。
論文参考訳（メタデータ） (2023-09-22T06:12:02Z)
A Lightweight Reconstruction Network for Surface Defect Inspection [3.6823636353870954]
本稿では,再構成ネットワークに基づく教師なし欠陥検出アルゴリズムを提案する。再構成ネットワークは、軽量な構造を持つ完全畳み込みオートエンコーダによって設計されている。その結果,再構成ネットワークの非教師なし欠陥検出アルゴリズムは強い堅牢性と精度を有することがわかった。
論文参考訳（メタデータ） (2022-12-25T08:59:15Z)
Defect-GAN: High-Fidelity Defect Synthesis for Automated Defect Inspection [34.699695525216185]
Defect-GANは、現実的で多様な欠陥サンプルを生成する自動欠陥合成ネットワークです。デフェメントと修復プロセスを通じて学習し、デフェメントは通常の表面画像に欠陥を生成する。また、欠陥のバリエーションを模倣し、生成された欠陥の位置とカテゴリを柔軟に制御できます。
論文参考訳（メタデータ） (2021-03-28T15:53:34Z)
Uncalibrated Neural Inverse Rendering for Photometric Stereo of General Surfaces [103.08512487830669]
本稿では,測光ステレオ問題に対する無補間深層ニューラルネットワークフレームワークを提案する。既存のニューラルネットワークベースの方法は、物体の正確な光方向または接地正則のいずれかまたは両方を必要とします。本稿では,この問題に対する未調整の神経逆レンダリング手法を提案する。
論文参考訳（メタデータ） (2020-12-12T10:33:08Z)
Deep Photometric Stereo for Non-Lambertian Surfaces [89.05501463107673]
我々は、PS-FCNと呼ばれる、校正された測光ステレオのための完全な畳み込みディープネットワークを導入する。 PS-FCNは反射率観測から表面正規へのマッピングを学習し、一般的な等方反射率と未知の等方反射率で表面を処理できる。光方向が不明な未定のシナリオに対処するため、入力画像から光方向を推定するLCNetという新しい畳み込みネットワークを導入する。
論文参考訳（メタデータ） (2020-07-26T15:20:53Z)
Recurrent Exposure Generation for Low-Light Face Detection [113.25331155337759]
本稿では,Recurrent Exposure Generation (REG) モジュールと Multi-Exposure Detection (MED) モジュールを提案する。 REGは、様々な露光設定に対応する段階的かつ効率的な中間画像を生成する。このような擬似露光はMEDによって融合され、異なる照明条件で顔を検出する。
論文参考訳（メタデータ） (2020-07-21T17:30:51Z)
Modeling and Enhancing Low-quality Retinal Fundus Images [167.02325845822276]
低画質の眼底画像は臨床観察における不確実性を高め、誤診のリスクを引き起こす。本稿では,グローバルな劣化要因を抑えるために,臨床指向の基盤拡張ネットワーク(cofe-Net)を提案する。合成画像と実画像の両方の実験により、我々のアルゴリズムは網膜の細部を失うことなく、低品質の眼底画像を効果的に補正することを示した。
論文参考訳（メタデータ） (2020-05-12T08:01:16Z)
Adaptive optics with reflected light and deep neural networks [0.0]
本研究では,反射光と深部ニューラルネットワークを併用した適応光学系の開発を行った。励起及び検出経路収差と対応する反射焦点画像からなるサンプル収差の大規模なデータセットを生成する。深層ニューラルネットワークは、散乱サンプルから記録された反射光画像に基づいて、励起と検出の収差を独立に歪め、補正することができる。
論文参考訳（メタデータ） (2020-04-09T15:39:51Z)
Detection Method Based on Automatic Visual Shape Clustering for Pin-Missing Defect in Transmission Lines [1.602803566465659]
ボルトは送電線で最も多くのファスナーであり、分割ピンを失う傾向にある。タイムリーかつ効率的なトラブルシューティングを実現するために,伝送線路のボルトの自動ピン欠落検出を実現する方法は難しい問題である。本稿では、ピン欠落検出のためのAVSCNet(Automatic Visual Shape Clustering Network)と呼ばれる自動検出モデルを構築した。
論文参考訳（メタデータ） (2020-01-17T10:57:37Z)
A Novel Visual Fault Detection and Classification System for Semiconductor Manufacturing Using Stacked Hybrid Convolutional Neural Networks [0.24999074238880484]
半導体産業における自動視覚検査は、製造欠陥を検出し分類することを目的としている。この貢献により、新しいディープニューラルネットワークベースのハイブリッドアプローチが導入される。階層化されたハイブリッド畳み込みニューラルネットワーク(SH-CNN)を構成し、視覚的注意の現在のアプローチにインスパイアされたシステムは、その構造から詳細レベルに焦点をあてる。
論文参考訳（メタデータ） (2019-11-25T21:58:28Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。