論文の概要: Smart Inference for Multidigit Convolutional Neural Network based Barcode Decoding

• arxiv url: http://arxiv.org/abs/2004.06297v3
• Date: Sun, 27 Jun 2021 08:42:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-13 09:51:36.942262
• Title: Smart Inference for Multidigit Convolutional Neural Network based Barcode Decoding
• Title（参考訳）: 多桁畳み込みニューラルネットワークを用いたバーコード復号のためのスマート推論
• Authors: Thao Do, Yalew Tolcha, Tae Joon Jun, Daeyoung Kim
• Abstract要約: この研究は、ポータブルデバイス上で実行可能なディープ畳み込みニューラルネットワークを用いて、デコード問題を解決することを目的としている。 我々は,本手法を活発にテストするために,様々な困難な条件下で実捕えられた1Dバーコードの大規模な実用的なデータセットを作成してきた。 実験の結果、SIの有効性を95.85%の精度で証明した。
• 参考スコア（独自算出の注目度）: 2.7318464889045524
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Barcodes are ubiquitous and have been used in most of critical daily activities for decades. However, most of traditional decoders require well-founded barcode under a relatively standard condition. While wilder conditioned barcodes such as underexposed, occluded, blurry, wrinkled and rotated are commonly captured in reality, those traditional decoders show weakness of recognizing. Several works attempted to solve those challenging barcodes, but many limitations still exist. This work aims to solve the decoding problem using deep convolutional neural network with the possibility of running on portable devices. Firstly, we proposed a special modification of inference based on the feature of having checksum and test-time augmentation, named as Smart Inference (SI) in prediction phase of a trained model. SI considerably boosts accuracy and reduces the false prediction for trained models. Secondly, we have created a large practical evaluation dataset of real captured 1D barcode under various challenging conditions to test our methods vigorously, which is publicly available for other researchers. The experiments' results demonstrated the SI effectiveness with the highest accuracy of 95.85% which outperformed many existing decoders on the evaluation set. Finally, we successfully minimized the best model by knowledge distillation to a shallow model which is shown to have high accuracy (90.85%) with good inference speed of 34.2 ms per image on a real edge device.
• Abstract（参考訳）: バーコードはユビキタスであり、何十年にもわたって重要な日常活動のほとんどで使われている。 しかし、伝統的なデコーダのほとんどが、比較的標準的な条件下で十分に確立されたバーコードを必要とする。 未公開、隠蔽、ぼかし、しわめき、回転といった、より荒々しい条件付きバーコードは、現実には一般的に捕獲されるが、伝統的なデコーダは認識の弱点を示す。 これらの難解なバーコードを解く試みはいくつかあったが、多くの制限はまだ残っている。 本研究は,ポータブルデバイス上で動作可能な深層畳み込みニューラルネットワークを用いた復号問題を解決することを目的とする。 まず,学習モデルの予測段階でのスマート推論(si)と呼ばれる,チェックサムとテストタイムの加算機能に基づく推論の特別な修正を提案する。 SIは精度を大幅に向上し、訓練されたモデルの誤予測を減らす。 第2に,様々な課題条件下で実演された1dバーコードの大規模実用的評価データセットを作成し,本手法を精力的にテストした。 実験結果は、評価セットで既存の多くのデコーダを上回っていた95.85%の精度でsiの有効性を示した。 最後に, 実エッジ装置において, 画像当たり34.2msの精度で, 高精度(90.85%)の浅部モデルに, 知識蒸留による最適モデルの最小化に成功した。

関連論文リスト

• Testing the Accuracy of Surface Code Decoders [55.616364225463066]
  大規模でフォールトトレラントな量子計算は量子エラー訂正符号(QECC)によって実現される 本研究は,QECC復号方式の精度と有効性をテストするための最初の体系的手法である。
  論文  参考訳（メタデータ） (2023-11-21T10:22:08Z)
• Global Context Aggregation Network for Lightweight Saliency Detection of Surface Defects [70.48554424894728]
  我々は,エンコーダ・デコーダ構造上の表面欠陥を簡易に検出するためのGCANet(Global Context Aggregation Network)を開発した。 まず、軽量バックボーンの上部層に新しいトランスフォーマーエンコーダを導入し、DSA(Depth-wise Self-Attention)モジュールを通じてグローバルなコンテキスト情報をキャプチャする。 3つの公開欠陥データセットの実験結果から,提案したネットワークは,他の17の最先端手法と比較して,精度と実行効率のトレードオフを良好に達成できることが示された。
  論文  参考訳（メタデータ） (2023-09-22T06:19:11Z)
• Neural network decoder for near-term surface-code experiments [0.7100520098029438]
  ニューラルネットワークデコーダは従来のデコーダに比べて論理的誤り率を低くすることができる。 これらのデコーダは物理エラー率に関する事前情報を必要としないため、高度に適応可能である。
  論文  参考訳（メタデータ） (2023-07-06T20:31:25Z)
• Data-driven decoding of quantum error correcting codes using graph neural networks [0.0]
  グラフニューラルネットワーク(GNN)を用いたモデルフリーでデータ駆動型デコーディングアプローチについて検討する。 GNNベースのデコーダは、シミュレーションデータのみを与えられた表面コード上での回路レベルのノイズに対する整合デコーダよりも優れていることを示す。 その結果、デコードに対する純粋にデータ駆動型アプローチが、実用的な量子誤り訂正のための実行可能な選択肢である可能性が示唆された。
  論文  参考訳（メタデータ） (2023-07-03T17:25:45Z)
• A Scalable, Fast and Programmable Neural Decoder for Fault-Tolerant Quantum Computation Using Surface Codes [12.687083899824314]
  量子誤り訂正符号(Quantum error-correcting codes, QECCs)は、量子アルゴリズムの実行の大きな障害である量子ノイズの負の効果を排除できる。 回転曲面符号(RSC)に対するFTQECの要件を満たすスケーラブルで高速でプログラム可能なニューラルデコーディングシステムを提案する。 本システムでは,197 nsのデコード遅延を極端に低くし,その精度はMWPMに近い。
  論文  参考訳（メタデータ） (2023-05-25T06:23:32Z)
• Software Tools for Decoding Quantum Low-Density Parity Check Codes [3.610459670994051]
  我々は、いわゆるQuantum Low-Density Parity Check codes (QLDPC codes)を数値的に実験できる一連のソフトウェアツールを提案する。 さらに,一般的なQLDPCデコーダのボトルネックに対処する効率的なデコーダを提案する。 これらのツールにより、QLDPCコードに関する理論的結果をより実用的な環境で確認することができる。
  論文  参考訳（メタデータ） (2022-09-02T17:22:01Z)
• Revisiting Code Search in a Two-Stage Paradigm [67.02322603435628]
  TOSSは2段階のフュージョンコード検索フレームワークである。 まずIRベースのバイエンコーダモデルを使用して、少数のトップkコード候補を効率的にリコールする。 その後、より微細なクロスエンコーダを使用してランク付けを行う。
  論文  参考訳（メタデータ） (2022-08-24T02:34:27Z)
• Improved decoding of circuit noise and fragile boundaries of tailored surface codes [61.411482146110984]
  高速かつ高精度なデコーダを導入し、幅広い種類の量子誤り訂正符号で使用することができる。 我々のデコーダは、信仰マッチングと信念フィンドと呼ばれ、すべてのノイズ情報を活用し、QECの高精度なデモを解き放つ。 このデコーダは, 標準の正方形曲面符号に対して, 整形曲面符号において, より高いしきい値と低い量子ビットオーバーヘッドをもたらすことがわかった。
  論文  参考訳（メタデータ） (2022-03-09T18:48:54Z)
• When Liebig's Barrel Meets Facial Landmark Detection: A Practical Model [87.25037167380522]
  正確で、堅牢で、効率的で、一般化可能で、エンドツーエンドのトレーニングが可能なモデルを提案する。 精度を向上させるために,2つの軽量モジュールを提案する。 DQInitは、インプットからデコーダのクエリを動的に初期化し、複数のデコーダ層を持つものと同じ精度でモデルを実現する。 QAMemは、共有するクエリではなく、それぞれのクエリに別々のメモリ値を割り当てることで、低解像度のフィーチャーマップ上のクエリの識別能力を高めるように設計されている。
  論文  参考訳（メタデータ） (2021-05-27T13:51:42Z)
• AQD: Towards Accurate Fully-Quantized Object Detection [94.06347866374927]
  本稿では,浮動小数点演算を除去するために,AQDと呼ばれる高精度な量子化オブジェクト検出ソリューションを提案する。 我々のAQDは、非常に低ビットのスキームの下での完全精度と比較して、同等またはそれ以上の性能を実現しています。
  論文  参考訳（メタデータ） (2020-07-14T09:07:29Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。