論文の概要: Auto-Classifier: A Robust Defect Detector Based on an AutoML Head
- arxiv url: http://arxiv.org/abs/2009.01573v1
- Date: Thu, 3 Sep 2020 10:39:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-22 06:51:33.728753
- Title: Auto-Classifier: A Robust Defect Detector Based on an AutoML Head
- Title(参考訳): auto-classifier: automlヘッドに基づくロバストな欠陥検出器
- Authors: Vasco Lopes, Lu\'is A. Alexandre
- Abstract要約: 畳み込みニューラルネットワークは従来の手法よりも優れた結果が得られることを示す。
また、Auto-Classifierは、全データセットの100%精度と100%AUC結果を達成することで、他のすべてのメソッドよりも優れた性能を示すことを示す。
- 参考スコア(独自算出の注目度): 2.685668802278155
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The dominant approach for surface defect detection is the use of hand-crafted
feature-based methods. However, this falls short when conditions vary that
affect extracted images. So, in this paper, we sought to determine how well
several state-of-the-art Convolutional Neural Networks perform in the task of
surface defect detection. Moreover, we propose two methods: CNN-Fusion, that
fuses the prediction of all the networks into a final one, and Auto-Classifier,
which is a novel proposal that improves a Convolutional Neural Network by
modifying its classification component using AutoML. We carried out experiments
to evaluate the proposed methods in the task of surface defect detection using
different datasets from DAGM2007. We show that the use of Convolutional Neural
Networks achieves better results than traditional methods, and also, that
Auto-Classifier out-performs all other methods, by achieving 100% accuracy and
100% AUC results throughout all the datasets.
- Abstract(参考訳): 表面欠陥検出の主流のアプローチは、手作りの特徴に基づく手法を使うことである。
しかし、抽出された画像に影響を及ぼす条件が異なる場合、これは短い。
そこで,本稿では,表面欠陥検出のタスクにおいて,最先端の畳み込みニューラルネットワークがどの程度機能するかを検討する。
さらに,全ネットワークの予測を最終予測に融合するcnn-fusionと,その分類成分をautomlを用いて修正することで畳み込みニューラルネットワークを改善するための新しい提案であるauto-classifierという2つの手法を提案する。
DAGM2007の異なるデータセットを用いた表面欠陥検出作業において,提案手法の評価実験を行った。
畳み込みニューラルネットワークの利用により,従来の手法よりも優れた結果が得られると同時に,全データセットで100%精度と100%auc結果を達成することにより,自動分類器が他の手法よりも優れることを示した。
関連論文リスト
- Feature Attenuation of Defective Representation Can Resolve Incomplete Masking on Anomaly Detection [1.0358639819750703]
教師なし異常検出(UAD)研究では、計算効率が高くスケーラブルなソリューションを開発する必要がある。
再建・塗り替えのアプローチを再考し、強みと弱みを分析して改善する。
異常再構成の特徴情報を減衰させる2つの層のみを用いるFADeR(Feature Attenuation of Defective Representation)を提案する。
論文 参考訳(メタデータ) (2024-07-05T15:44:53Z) - Self-supervised Feature Adaptation for 3D Industrial Anomaly Detection [59.41026558455904]
具体的には,大規模ビジュアルデータセット上で事前学習されたモデルを利用した初期のマルチモーダルアプローチについて検討する。
本研究では,アダプタを微調整し,異常検出に向けたタスク指向の表現を学習するためのLSFA法を提案する。
論文 参考訳(メタデータ) (2024-01-06T07:30:41Z) - Adaptive Face Recognition Using Adversarial Information Network [57.29464116557734]
顔認識モデルは、トレーニングデータがテストデータと異なる場合、しばしば退化する。
本稿では,新たな敵情報ネットワーク(AIN)を提案する。
論文 参考訳(メタデータ) (2023-05-23T02:14:11Z) - Implementing a foveal-pit inspired filter in a Spiking Convolutional
Neural Network: a preliminary study [0.0]
我々は,網膜卵管刺激によるガウスフィルタとランク順符号化の差異を取り入れたスポーキング畳み込みニューラルネットワーク(SCNN)を提示した。
このモデルは、Nengoライブラリーで実装されているように、スパイキングニューロンで動作するように適応されたバックプロパゲーションアルゴリズムの変種を用いて訓練される。
ネットワークは最大90%の精度で達成され、損失はクロスエントロピー関数を用いて計算される。
論文 参考訳(メタデータ) (2021-05-29T15:28:30Z) - Meta-learning One-class Classifiers with Eigenvalue Solvers for
Supervised Anomaly Detection [55.888835686183995]
教師付き異常検出のためのニューラルネットワークに基づくメタラーニング手法を提案する。
提案手法は,既存の異常検出法や少数ショット学習法よりも優れた性能を実現することを実験的に実証した。
論文 参考訳(メタデータ) (2021-03-01T01:43:04Z) - Anomaly Detection on Attributed Networks via Contrastive Self-Supervised
Learning [50.24174211654775]
本論文では,アトリビュートネットワーク上の異常検出のためのコントラスト型自己監視学習フレームワークを提案する。
このフレームワークは、新しいタイプのコントラストインスタンスペアをサンプリングすることで、ネットワークデータからのローカル情報を完全に活用します。
高次元特性と局所構造から情報埋め込みを学習するグラフニューラルネットワークに基づくコントラスト学習モデルを提案する。
論文 参考訳(メタデータ) (2021-02-27T03:17:20Z) - TELESTO: A Graph Neural Network Model for Anomaly Classification in
Cloud Services [77.454688257702]
機械学習(ML)と人工知能(AI)はITシステムの運用とメンテナンスに適用される。
1つの方向は、修復自動化を可能にするために、繰り返し発生する異常タイプを認識することである。
与えられたデータの次元変化に不変な手法を提案する。
論文 参考訳(メタデータ) (2021-02-25T14:24:49Z) - Detecting Misclassification Errors in Neural Networks with a Gaussian
Process Model [20.948038514886377]
本稿では,誤分類誤りを検出するための定量的な尺度を新たに作成する枠組みを提案する。
このフレームワークREDは、ベース分類器の上にエラー検出器を構築し、ガウス過程を用いて検出スコアの不確かさを推定する。
論文 参考訳(メタデータ) (2020-10-05T15:01:30Z) - Contextual-Bandit Anomaly Detection for IoT Data in Distributed
Hierarchical Edge Computing [65.78881372074983]
IoTデバイスは複雑なディープニューラルネットワーク(DNN)モデルにはほとんど余裕がなく、異常検出タスクをクラウドにオフロードすることは長い遅延を引き起こす。
本稿では,分散階層エッジコンピューティング(HEC)システムを対象とした適応型異常検出手法のデモと構築を行う。
提案手法は,検出タスクをクラウドにオフロードした場合と比較して,精度を犠牲にすることなく検出遅延を著しく低減することを示す。
論文 参考訳(メタデータ) (2020-04-15T06:13:33Z) - 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)
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。