Fugu-MT 論文翻訳(概要): Railway Anomaly detection model using synthetic defect images generated by CycleGAN

論文の概要: Railway Anomaly detection model using synthetic defect images generated by CycleGAN

arxiv url: http://arxiv.org/abs/2102.12595v1
Date: Wed, 24 Feb 2021 22:59:43 GMT
ステータス: 処理完了
システム内更新日: 2021-02-26 13:58:02.490204
Title: Railway Anomaly detection model using synthetic defect images generated by CycleGAN
Title（参考訳）: CycleGANによる合成欠陥画像を用いた鉄道異常検出モデル
Authors: Takuro Hoshi, Yohei Baba and Gaurang Gavai
Abstract要約: 公共交通機関の安全かつ不安定な運用には積極的な代替が不可欠です実画像の代わりにCycleGANを用いて欠陥機器の人工画像を生成するモデルを開発した。
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: Although training data is essential for machine learning, railway companies are facing difficulties in gathering adequate images of defective equipment due to their proactive replacement of would be defective equipment. Nevertheless, proactive replacement is indispensable for safe and undisturbed operation of public transport. In this research, we have developed a model using CycleGAN to generate artificial images of defective equipment instead of real images. By adopting these generated images as training data, we verified that these images are indistinguishable from real images and they play a vital role in enhancing the accuracy of the defect detection models.
Abstract（参考訳）: 機械学習にはトレーニングデータが不可欠だが, 欠陥機器を積極的に置き換えることによって, 欠陥機器の適切な画像収集が困難になっている。それでも、公共交通機関の安全かつ不安定な運用には、積極的な代替が不可欠である。本研究では,実画像の代わりにCycleGANを用いて欠陥機器の人工画像を生成するモデルを開発した。これらの生成画像をトレーニングデータとして採用することにより,実際の画像と区別できないこと,欠陥検出モデルの精度向上に重要な役割を果たすことを検証した。

関連論文リスト

Trustworthy image-to-image translation: evaluating uncertainty calibration in unpaired training scenarios [0.0]
マンモグラフィスクリーニングは乳がんの検出に有効な方法であり、早期診断を容易にする。ディープニューラルネットワークはいくつかの研究で有効であることが示されているが、その傾向は一般化と誤診のリスクをかなり残している。汎用性を向上させるために、未ペア型ニューラルスタイル転送モデルに基づくデータ拡張スキームが提案されている。 3つのオープンアクセスマンモグラフィーデータセットと1つの非医療画像データセットから解析した画像パッチを用いて、それらの性能を評価する。
論文参考訳（メタデータ） (2025-01-29T11:09:50Z)
Understanding and Improving Training-Free AI-Generated Image Detections with Vision Foundation Models [68.90917438865078]
顔合成と編集のためのディープフェイク技術は、生成モデルに重大なリスクをもたらす。本稿では,モデルバックボーン,タイプ,データセット間で検出性能がどう変化するかを検討する。本稿では、顔画像のパフォーマンスを向上させるContrastive Blurと、ノイズタイプのバイアスに対処し、ドメイン間のパフォーマンスのバランスをとるMINDERを紹介する。
論文参考訳（メタデータ） (2024-11-28T13:04:45Z)
Integrating Artificial Intelligence Models and Synthetic Image Data for Enhanced Asset Inspection and Defect Identification [0.44726766759482234]
過去のユーティリティーは、資産欠陥を特定するためにフィールド内検査に頼っていた。近年,フィールドインスペクション(フィールドインスペクション)のプロセスを強化するために,ドローンによる検査の導入が始まっている。本稿では,合成資産欠陥画像と手動でラベル付けしたドローン画像を組み合わせた新しいソリューションを提案する。
論文参考訳（メタデータ） (2024-10-15T18:14:21Z)
Data Attribution for Text-to-Image Models by Unlearning Synthesized Images [71.23012718682634]
テキスト・ツー・イメージ・モデルにおけるデータ帰属の目標は、新しい画像の生成に最も影響を与えるトレーニング画像を特定することである。合成画像の非学習をシミュレートして効率的なデータ帰属法を提案する。次に,学習過程の終了後に有意な損失偏差を伴う訓練画像を特定し,これらを影響力のあるものとしてラベル付けする。
論文参考訳（メタデータ） (2024-06-13T17:59:44Z)
Scaling Laws of Synthetic Images for Model Training ... for Now [54.43596959598466]
本研究では, 合成画像のスケーリング法則について, テクスト・ツー・イメージ・モデルの現状から検討した。合成画像は、CLIPトレーニングの実際の画像と似ているが、やや効果の低いスケーリング傾向を示す。
論文参考訳（メタデータ） (2023-12-07T18:59:59Z)
On Sensitivity and Robustness of Normalization Schemes to Input Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。 DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
論文参考訳（メタデータ） (2023-06-23T03:09:03Z)
Real-Time Damage Detection in Fiber Lifting Ropes Using Lightweight Convolutional Neural Networks [14.553374494874374]
軽量畳み込みニューラルネットワークを用いた合成繊維ロープ画像の損傷検出システムケネクラネスの専門家は、ロープの状態に応じて収集した画像に注釈を付け、正常または損傷を与えた。モデルは96.5%の精度、94.8%の精度、98.3%のリコール、96.5%のF1スコア、99.3%のAUCで他の類似の手法より優れている。
論文参考訳（メタデータ） (2023-02-23T11:44:43Z)
Fast Unsupervised Brain Anomaly Detection and Segmentation with Diffusion Models [1.6352599467675781]
脳画像における異常検出とセグメント分割のための拡散モデルに基づく手法を提案する。拡散モデルは,2次元CTおよびMRIデータを用いた一連の実験において,自己回帰的アプローチと比較して競争性能が向上する。
論文参考訳（メタデータ） (2022-06-07T17:30:43Z)
A comparison of different atmospheric turbulence simulation methods for image restoration [64.24948495708337]
大気の乱流は、長距離イメージングシステムによって捉えられた画像の品質を悪化させる。深層学習に基づく大気乱流緩和法が文献で提案されている。様々な乱流シミュレーション手法が画像復元に与える影響を系統的に評価した。
論文参考訳（メタデータ） (2022-04-19T16:21:36Z)
Learning MRI Artifact Removal With Unpaired Data [74.48301038665929]
振り返りアーティファクト補正(RAC)は、画像の質を向上し、画像のユーザビリティを向上させる。最近のRACの機械学習駆動技術は、主に教師付き学習に基づいている。ここでは、不要な画像アーティファクトを、未ペアデータで学習したRACニューラルネットワークを介して、画像から切り離し、取り除くことができることを示す。
論文参考訳（メタデータ） (2021-10-09T16:09:27Z)
Improved anomaly detection by training an autoencoder with skip connections on images corrupted with Stain-shaped noise [25.85927871251385]
異常検出は復元の残留かもしくは復元の不確実性に依存する我々は,再設計のシャープさを改善するために,スキップ接続を備えたオートエンコーダアーキテクチャを検討する。このモデルでは、実際の欠陥の有無にかかわらず、任意の実世界の画像からクリーンなイメージを復元することが好ましいことを示す。
論文参考訳（メタデータ） (2020-08-29T13:50:49Z)

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。