論文の概要: A Versatile Crack Inspection Portable System based on Classifier
Ensemble and Controlled Illumination
- arxiv url: http://arxiv.org/abs/2010.09557v1
- Date: Mon, 19 Oct 2020 14:39:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-05 22:17:28.681718
- Title: A Versatile Crack Inspection Portable System based on Classifier
Ensemble and Controlled Illumination
- Title(参考訳): 分類器アンサンブルと制御照明を用いた多用途き裂検査携帯システム
- Authors: Milind G. Padalkar, Carlos Beltr\'an-Gonz\'alez, Matteo Bustreo,
Alessio Del Bue and Vittorio Murino
- Abstract要約: 本稿では, セラミックタイルのひび割れの自動視覚検査装置を提案する。
様々な高さの照明が、カスタマイズされただけでなく、最先端の建築にも与える影響について、分類器の訓練によって検討する。
実世界の産業環境におけるき裂検出の改善に役立つ照明条件について考察する。
- 参考スコア(独自算出の注目度): 32.0946448103494
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents a novel setup for automatic visual inspection of cracks
in ceramic tile as well as studies the effect of various classifiers and
height-varying illumination conditions for this task. The intuition behind this
setup is that cracks can be better visualized under specific lighting
conditions than others. Our setup, which is designed for field work with
constraints in its maximum dimensions, can acquire images for crack detection
with multiple lighting conditions using the illumination sources placed at
multiple heights. Crack detection is then performed by classifying patches
extracted from the acquired images in a sliding window fashion. We study the
effect of lights placed at various heights by training classifiers both on
customized as well as state-of-the-art architectures and evaluate their
performance both at patch-level and image-level, demonstrating the
effectiveness of our setup. More importantly, ours is the first study that
demonstrates how height-varying illumination conditions can affect crack
detection with the use of existing state-of-the-art classifiers. We provide an
insight about the illumination conditions that can help in improving crack
detection in a challenging real-world industrial environment.
- Abstract(参考訳): 本稿では, 陶磁器タイルの亀裂の自動検査のための新しいセットアップと, 各種分類器と高輝度照明条件の影響について検討する。
このセットアップの背景にある直感は、クラックは特定の照明条件下で他のものよりもよく視覚化できるということだ。
最大寸法に制約のあるフィールドワークを想定し,複数の照明条件を有するクラック検出用画像を複数高さに配置した照明源を用いて取得する。
次に、取得した画像から抽出したパッチをスライディングウィンドウ方式で分類してき裂検出を行う。
我々は,カスタマイズされたアーキテクチャと最先端アーキテクチャの両方に分類器を訓練し,様々な高さに配置した照明の効果を調査し,パッチレベルとイメージレベルの両方でその性能を評価し,セットアップの有効性を実証した。
さらに重要なことは、既存の最先端の分類器を用いて、高さの異なる照明条件がき裂検出にどのように影響するかを示す最初の研究である。
実世界の産業環境におけるき裂検出の改善に役立つ照明条件について考察する。
関連論文リスト
- Low-Light Image Enhancement with Illumination-Aware Gamma Correction and
Complete Image Modelling Network [69.96295927854042]
低照度環境は通常、情報の少ない大規模な暗黒地帯に繋がる。
本稿では,ガンマ補正の有効性を深層ネットワークのモデリング能力と統合することを提案する。
指数関数演算は高い計算複雑性をもたらすので、Taylor Series を用いてガンマ補正を近似することを提案する。
論文 参考訳(メタデータ) (2023-08-16T08:46:51Z) - Self-Aligned Concave Curve: Illumination Enhancement for Unsupervised
Adaptation [36.050270650417325]
ハイレベルビジョンのための学習可能な照明強調モデルを提案する。
実際のカメラ応答関数にインスパイアされた照明強調関数は凹凸曲線であると仮定する。
我々のモデルアーキテクチャとトレーニングデザインは相互に恩恵を受け、強力な教師なし正規-低照度適応フレームワークを形成する。
論文 参考訳(メタデータ) (2022-10-07T19:32:55Z) - Semi-supervised atmospheric component learning in low-light image
problem [0.0]
環境照明条件は、写真装置から画像の知覚的品質を決定する上で重要な役割を担っている。
本研究では,低照度画像復元のための非参照画像品質指標を用いた半教師付きトレーニング手法を提案する。
論文 参考訳(メタデータ) (2022-04-15T17:06:33Z) - A Synthesis-Based Approach for Thermal-to-Visible Face Verification [105.63410428506536]
本稿では,ARL-VTFおよびTUFTSマルチスペクトル顔データセット上での最先端性能を実現するアルゴリズムを提案する。
MILAB-VTF(B)も提案する。
論文 参考訳(メタデータ) (2021-08-21T17:59:56Z) - Multiplexed Illumination for Classifying Visually Similar Objects [2.715884199292287]
本稿では、多重照明を用いて、分類に成功できる対象の範囲を拡大することを提案する。
発光位置と色の組み合わせで試料を撮像する小型RGB-IR光ステージを構築した。
そこで我々は,照明パターンを選択し,得られた画像を用いて分類器を訓練する手法を開発した。
論文 参考訳(メタデータ) (2020-09-23T12:10:06Z) - 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) - Deep Bilateral Retinex for Low-Light Image Enhancement [96.15991198417552]
低照度画像は、低コントラスト、色歪み、測定ノイズによる視界の低下に悩まされる。
本稿では,低照度画像強調のための深層学習手法を提案する。
提案手法は最先端の手法と非常に競合し, 極めて低照度で撮影した画像の処理において, 他に比べて大きな優位性を有する。
論文 参考訳(メタデータ) (2020-07-04T06:26:44Z) - Unsupervised Low-light Image Enhancement with Decoupled Networks [103.74355338972123]
我々は、実世界の低照度画像を教師なしで拡張する2段階のGANベースのフレームワークを学習する。
提案手法は,照度向上と雑音低減の両面から,最先端の教師なし画像強調法より優れる。
論文 参考訳(メタデータ) (2020-05-06T13:37:08Z) - Complex-Object Visual Inspection via Multiple Lighting Configurations [39.48051873828088]
そこで本研究では,4つの照明構成を組み込んだ新しい照明装置を提案する。
複素対象物の有効照明に対する提案手法の適合性を示す。
論文 参考訳(メタデータ) (2020-04-20T15:25:03Z)
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。