論文の概要: Automated Copper Alloy Grain Size Evaluation Using a Deep-learning CNN

• arxiv url: http://arxiv.org/abs/2005.09634v1
• Date: Wed, 20 May 2020 13:13:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-01 04:29:23.618883
• Title: Automated Copper Alloy Grain Size Evaluation Using a Deep-learning CNN
• Title（参考訳）: 深層学習CNNを用いた銅合金結晶粒径自動評価
• Authors: George S. Baggs, Paul Guerrier, Andrew Loeb, Jason C. Jones
• Abstract要約: 深層学習畳み込みニューラルネットワーク(CNN)を用いた銅(Cu)合金粒径の自動評価 概念実証による自動画像取得とバッチ処理は、労働力を大幅に削減する可能性を秘めている。 Cu合金クーポンの個々のサブイメージに対して91.1%の分類精度が達成された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Moog Inc. has automated the evaluation of copper (Cu) alloy grain size using a deep-learning convolutional neural network (CNN). The proof-of-concept automated image acquisition and batch-wise image processing offers the potential for significantly reduced labor, improved accuracy of grain evaluation, and decreased overall turnaround times for approving Cu alloy bar stock for use in flight critical aircraft hardware. A classification accuracy of 91.1% on individual sub-images of the Cu alloy coupons was achieved. Process development included minimizing the variation in acquired image color, brightness, and resolution to create a dataset with 12300 sub-images, and then optimizing the CNN hyperparameters on this dataset using statistical design of experiments (DoE). Over the development of the automated Cu alloy grain size evaluation, a degree of "explainability" in the artificial intelligence (XAI) output was realized, based on the decomposition of the large raw images into many smaller dataset sub-images, through the ability to explain the CNN ensemble image output via inspection of the classification results from the individual smaller sub-images.
• Abstract（参考訳）: Moog Inc. は深層学習畳み込みニューラルネットワーク (CNN) を用いて銅 (Cu) 合金粒径の評価を自動化した。 概念実証自動画像取得とバッチ画像処理は、飛行クリティカルな航空機のハードウェアに使用するcu合金棒のストックを承認する全体的なターンアラウンドタイムを短縮し、大幅な労力削減、粒度評価の精度の向上をもたらす。 Cu合金クーポンの個々のサブイメージの分類精度91.1%を達成した。 プロセス開発には、取得した画像の色、明るさ、解像度の変化を最小限にして、12300のサブイメージを持つデータセットを作成すること、そしてこのデータセット上のcnnハイパーパラメータを統計的実験設計(doe)を用いて最適化することが含まれる。 自動Cu合金粒度評価の開発を通じて, 個々の小さなサブイメージの分類結果の検査によりCNNアンサンブル画像の出力を説明する能力により, 大規模原画像から多数の小さなデータセットサブイメージへの分解に基づいて, 人工知能(XAI)出力の「説明可能性」の程度を実現した。

関連論文リスト

• Automated Segmentation and Analysis of Microscopy Images of Laser Powder Bed Fusion Melt Tracks [0.0]
  断面画像から溶融トラック次元を自動的に識別し,計測する画像分割ニューラルネットワークを提案する。 我々は、U-Netアーキテクチャを用いて、異なる研究室、機械、材料から得られた62個の事前ラベル付き画像のデータセットと、画像拡張を併用したトレーニングを行う。
  論文  参考訳（メタデータ） (2024-09-26T22:44:00Z)
• Multi-scale Unified Network for Image Classification [33.560003528712414]
  CNNは、実世界のマルチスケール画像入力を扱う際に、性能と計算効率において顕著な課題に直面している。 本稿では,マルチスケール,統一ネットワーク,スケール不変制約からなるMultiscale Unified Network(MUSN)を提案する。 MUSNは精度が44.53%向上し、マルチスケールシナリオではFLOPを7.01-16.13%減少させる。
  論文  参考訳（メタデータ） (2024-03-27T06:40:26Z)
• Deep Equilibrium Diffusion Restoration with Parallel Sampling [120.15039525209106]
  拡散モデルに基づく画像復元(IR)は、拡散モデルを用いて劣化した画像から高品質な(本社)画像を復元し、有望な性能を達成することを目的としている。 既存のほとんどの手法では、HQイメージをステップバイステップで復元するために長いシリアルサンプリングチェーンが必要であるため、高価なサンプリング時間と高い計算コストがかかる。 本研究では,拡散モデルに基づくIRモデルを異なる視点,すなわちDeqIRと呼ばれるDeQ(Deep equilibrium)固定点系で再考することを目的とする。
  論文  参考訳（メタデータ） (2023-11-20T08:27:56Z)
• Dataset Distillation with Convexified Implicit Gradients [69.16247946639233]
  メタ段階更新の計算に暗黙の勾配を効果的に利用できるかを示す。 さらに,凍結した有限幅ニューラルネットワーク上での学習に対応する凸近似をアルゴリズムに装備する。
  論文  参考訳（メタデータ） (2023-02-13T23:53:16Z)
• Neural Clamping: Joint Input Perturbation and Temperature Scaling for Neural Network Calibration [62.4971588282174]
  我々はニューラルクランプ法と呼ばれる新しい後処理キャリブレーション法を提案する。 実験の結果,Neural Clampingは最先端の処理後のキャリブレーション法よりも優れていた。
  論文  参考訳（メタデータ） (2022-09-23T14:18:39Z)
• Facilitated machine learning for image-based fruit quality assessment in developing countries [68.8204255655161]
  自動画像分類は食品科学における教師あり機械学習の一般的な課題である。 事前学習型視覚変換器(ViT)に基づく代替手法を提案する。 標準的なデバイス上で限られたリソースで簡単に実装できる。
  論文  参考訳（メタデータ） (2022-07-10T19:52:20Z)
• Improving the Energy Efficiency and Robustness of tinyML Computer Vision using Log-Gradient Input Images [3.632177840361928]
  本稿では,マイクロMLコンピュータビジョン(CV)のための畳み込みニューラルネットワーク(CNN)にログ勾配入力画像を適用するメリットについて検討する。 i) 第一層入力の1.5ビットのアグレッシブ量子化、(ii) 潜在的なCNNリソースの削減、および(iii) 照明変化に固有のロバスト性を示す。
  論文  参考訳（メタデータ） (2022-03-04T21:04:41Z)
• Image Quality Assessment using Contrastive Learning [50.265638572116984]
  我々は、補助的な問題を解決するために、対照的な対の目的を用いて深層畳み込みニューラルネットワーク(CNN)を訓練する。 本研究では,最新のNR画像品質モデルと比較して,ContriQUEが競争性能を向上することを示す。 以上の結果から,大きなラベル付き主観的画像品質データセットを必要とせずに,知覚的関連性を持つ強力な品質表現が得られることが示唆された。
  論文  参考訳（メタデータ） (2021-10-25T21:01:00Z)
• Examining and Mitigating Kernel Saturation in Convolutional Neural Networks using Negative Images [0.8594140167290097]
  CNNにおける畳み込みカーネル飽和の影響を解析する。 トレーニングデータセットに負の画像を追加することで、飽和を緩和し、分類精度を高めるための単純なデータ増強技術を提案する。 以上の結果から,CNNは畳み込みカーネル飽和の影響を受けやすく,トレーニングデータセットに負のイメージを補うことで,分類精度が統計的に顕著に向上する可能性が示唆された。
  論文  参考訳（メタデータ） (2021-05-10T06:06:49Z)
• DAQ: Distribution-Aware Quantization for Deep Image Super-Resolution Networks [49.191062785007006]
  画像超解像のための深い畳み込みニューラルネットワークの定量化は、計算コストを大幅に削減する。 既存の作業は、4ビット以下の超低精度の厳しい性能低下に苦しむか、または性能を回復するために重い微調整プロセスを必要とします。 高精度なトレーニングフリー量子化を実現する新しい分散認識量子化方式(DAQ)を提案する。
  論文  参考訳（メタデータ） (2020-12-21T10:19:42Z)
• Single Image Dehazing Using Ranking Convolutional Neural Network [43.9523642309301]
  本稿では,単一画像復調のための新しいランクリング畳み込みニューラルネットワーク(Ranking-CNN)を提案する。 Ranking-CNNをよく設計された方法でトレーニングすることにより、巨大なヘイズ画像パッチから、強力なヘイズ関連機能を自動的に学習することができる。 提案手法は, 合成および実世界のベンチマーク画像において, 過去のデハージングアプローチよりも優れていた。
  論文  参考訳（メタデータ） (2020-01-15T11:25:08Z)

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。