論文の概要: TaylorMade VDD: Domain-adaptive Visual Defect Detector for High-mix Low-volume Production of Non-convex Cylindrical Metal Objects

• arxiv url: http://arxiv.org/abs/2104.04203v1
• Date: Fri, 9 Apr 2021 05:56:27 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-12 18:32:40.940594
• Title: TaylorMade VDD: Domain-adaptive Visual Defect Detector for High-mix Low-volume Production of Non-convex Cylindrical Metal Objects
• Title（参考訳）: taylormade vdd:非凸円筒金属オブジェクトの高混合低体積生成のためのドメイン適応視覚欠陥検出器
• Authors: Kyosuke Tashiro, Koji Takeda, Kanji Tanaka, Tomoe Hiroki
• Abstract要約: 高混合低圧配管非体積金属対象の視覚欠陥検出(VDD)を開発。 VDD-HPPPを工場検索として使用し,提案フレームワークの有効性を検討した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Visual defect detection (VDD) for high-mix low-volume production of non-convex metal objects, such as high-pressure cylindrical piping joint parts (VDD-HPPPs), is challenging because subtle difference in domain (e.g., metal objects, imaging device, viewpoints, lighting) significantly affects the specular reflection characteristics of individual metal object types. In this paper, we address this issue by introducing a tailor-made VDD framework that can be automatically adapted to a new domain. Specifically, we formulate this adaptation task as the problem of network architecture search (NAS) on a deep object-detection network, in which the network architecture is searched via reinforcement learning. We demonstrate the effectiveness of the proposed framework using the VDD-HPPPs task as a factory case study. Experimental results show that the proposed method achieved higher burr detection accuracy compared with the baseline method for data with different training/test domains for the non-convex HPPPs, which are particularly affected by domain shifts.
• Abstract（参考訳）: 高圧筒状配管継手部(VDD-HPPPs)などの非凸金属オブジェクトの高混合低体積化のための視覚欠陥検出(VDD)は、ドメインの微妙な違い(例えば、金属オブジェクト、撮像装置、視点、照明)が個々の金属オブジェクトの反射特性に大きく影響するため、困難である。 本稿では,新しいドメインに自動的に適応可能なカスタマイズ可能なVDDフレームワークを導入することで,この問題に対処する。 具体的には、ネットワークアーキテクチャを強化学習により探索するディープオブジェクト検出ネットワークにおけるネットワークアーキテクチャ探索(NAS)問題として、この適応タスクを定式化する。 本稿では,VDD-HPPPsタスクをファクトリケーススタディとして用いたフレームワークの有効性を示す。 実験結果から,提案手法は,非凸HPPPに対して異なるトレーニング/テスト領域を持つデータに対して,特に領域シフトの影響を受けやすいベースライン法と比較して,バー検出精度が高いことがわかった。

関連論文リスト

• Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for Advanced Object Detection [55.2480439325792]
  本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。 提案手法は平均精度(MAP)を約45.7%向上させる。 この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
  論文  参考訳（メタデータ） (2023-11-21T19:49:13Z)
• Transformation-Invariant Network for Few-Shot Object Detection in Remote Sensing Images [15.251042369061024]
  FSOD(Few-shot Object Detection)は、トレーニングのために大量のラベル付きデータを頼りにしている。 リモートセンシング画像におけるオブジェクトのスケールと向きのバリエーションは、既存のFSOD法に重大な課題をもたらす。 特徴ピラミッドネットワークの統合と,クエリ機能向上のためのプロトタイプ機能の利用を提案する。
  論文  参考訳（メタデータ） (2023-03-13T02:21:38Z)
• AGO-Net: Association-Guided 3D Point Cloud Object Detection Network [86.10213302724085]
  ドメイン適応によるオブジェクトの無傷な特徴を関連付ける新しい3D検出フレームワークを提案する。 我々は,KITTIの3D検出ベンチマークにおいて,精度と速度の両面で最新の性能を実現する。
  論文  参考訳（メタデータ） (2022-08-24T16:54:38Z)
• Pyramid Grafting Network for One-Stage High Resolution Saliency Detection [29.013012579688347]
  我々は、異なる解像度画像から特徴を独立して抽出する、Praamid Grafting Network (PGNet) と呼ばれるワンステージフレームワークを提案する。 CNNブランチが壊れた詳細情報をよりホモロジーに組み合わせられるように、アテンションベースのクロスモデルグラフティングモジュール (CMGM) が提案されている。 我々は,4K-8K解像度で5,920個の画像を含む超高分解能塩度検出データセットUHRSDを新たに提供した。
  論文  参考訳（メタデータ） (2022-04-11T12:22:21Z)
• Context-Preserving Instance-Level Augmentation and Deformable Convolution Networks for SAR Ship Detection [50.53262868498824]
  ランダムな方向と部分的な情報損失によるSAR画像のターゲット形状の変形は、SAR船の検出において必須の課題である。 ターゲット内の部分的な情報損失に頑健なディープネットワークをトレーニングするためのデータ拡張手法を提案する。
  論文  参考訳（メタデータ） (2022-02-14T07:01:01Z)
• Decoupled Adaptation for Cross-Domain Object Detection [69.5852335091519]
  クロスドメインオブジェクト検出は、オブジェクト分類よりも難しい。 D-adaptは4つのクロスドメインオブジェクト検出タスクで最先端の結果を達成する。
  論文  参考訳（メタデータ） (2021-10-06T08:43:59Z)
• Deployment of Deep Neural Networks for Object Detection on Edge AI Devices with Runtime Optimization [11.408144862469172]
  エッジAIプラットフォームに2つの代表的なオブジェクト検出ネットワークを配置することを検討する。 特に、画像ベースの2Dオブジェクト検出のためのRetinaNetと、LiDARベースの3Dオブジェクト検出のためのPointPillarsについて検討する。 我々はRTとTorchScriptの2つの異なるライブラリを用いて,デプロイアルゴリズムのランタイムを評価する。
  論文  参考訳（メタデータ） (2021-08-18T14:21:53Z)
• SPG: Unsupervised Domain Adaptation for 3D Object Detection via Semantic Point Generation [28.372067223801203]
  自律走行では、LiDARをベースとした物体検出器は、異なる地理的位置と様々な気象条件下で確実に動作すべきである。 最近の3D検出研究は、単一のドメイン内での性能向上に重点を置いているが、現代の検出器の性能が劇的にクロスドメインに落ちてしまうことは明らかである。 ドメインシフトに対するLiDAR検出器の信頼性を高めるための一般的なアプローチであるセマンティックポイント生成(SPG)を提案する。
  論文  参考訳（メタデータ） (2021-08-15T10:00:39Z)
• AdaZoom: Adaptive Zoom Network for Multi-Scale Object Detection in Large Scenes [57.969186815591186]
  大規模なシーンの検出は、小さなオブジェクトと極端なスケールの変動のために難しい問題である。 本稿では,物体検出のための焦点領域を適応的に拡大するために,フレキシブルな形状と焦点長を有する選択的拡大器として,新しい適応型Zoom(AdaZoom)ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-06-19T03:30:22Z)
• Cycle and Semantic Consistent Adversarial Domain Adaptation for Reducing Simulation-to-Real Domain Shift in LiDAR Bird's Eye View [110.83289076967895]
  ドメイン適応プロセス中に関心のある小さなオブジェクトの情報を保存するために,事前の意味分類を用いたサイクガンに基づくbevドメイン適応法を提案する。 生成したBEVの品質は,KITTI 3D Object Detection Benchmarkの最先端3Dオブジェクト検出フレームワークを用いて評価されている。
  論文  参考訳（メタデータ） (2021-04-22T12:47:37Z)

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。