論文の概要: An End-to-End Computer Vision Methodology for Quantitative Metallography
- arxiv url: http://arxiv.org/abs/2104.11159v1
- Date: Thu, 22 Apr 2021 16:29:44 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-23 16:12:51.763955
- Title: An End-to-End Computer Vision Methodology for Quantitative Metallography
- Title（参考訳）: 定量メタログラフィーのためのエンド・ツー・エンドコンピュータビジョン手法
- Authors: Matan Rusanovsky, Ofer Beeri, Sigalit Ifergane and Gal Oren
- Abstract要約: 本研究は,異常検出のための総合的人工知能モデルを提案する。
合金中の不純物の異常度を自動的に定量化する。
モデルの性能を提示し,いくつかの代表事例に基づいて解析する。
- 参考スコア（独自算出の注目度）: 0.716879432974126
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Metallography is crucial for a proper assessment of material's properties. It
involves mainly the investigation of spatial distribution of grains and the
occurrence and characteristics of inclusions or precipitates. This work
presents an holistic artificial intelligence model for Anomaly Detection that
automatically quantifies the degree of anomaly of impurities in alloys. We
suggest the following examination process: (1) Deep semantic segmentation is
performed on the inclusions (based on a suitable metallographic database of
alloys and corresponding tags of inclusions), producing inclusions masks that
are saved into a separated database. (2) Deep image inpainting is performed to
fill the removed inclusions parts, resulting in 'clean' metallographic images,
which contain the background of grains. (3) Grains' boundaries are marked using
deep semantic segmentation (based on another metallographic database of
alloys), producing boundaries that are ready for further inspection on the
distribution of grains' size. (4) Deep anomaly detection and pattern
recognition is performed on the inclusions masks to determine spatial, shape
and area anomaly detection of the inclusions. Finally, the system recommends to
an expert on areas of interests for further examination. The performance of the
model is presented and analyzed based on few representative cases. Although the
models presented here were developed for metallography analysis, most of them
can be generalized to a wider set of problems in which anomaly detection of
geometrical objects is desired. All models as well as the data-sets that were
created for this work, are publicly available at
https://github.com/Scientific-Computing-Lab-NRCN/MLography.
- Abstract（参考訳）: メタログラフィーは材料の特性を適切に評価するのに重要である。
主に穀物の空間分布と包有物や沈殿物の発生と特性を調査する。
本研究は, 合金の不純物の異常度を自動的に定量化する異常検出のための総合的人工知能モデルを提案する。
1) 包含物(適切な合金メタログラフデータベースと対応する包含物のタグ)上で深い意味分節化を行い, 分離したデータベースに保存された包含物マスクを生成する。
2) 除去された包有物部分を埋めるために深部画像インパインティングを行い、粒の背景を含む「クリーン」金属写真を生成する。
3) 粒界は(別の合金メタログラフデータベースに基づく)深部意味分節法を用いてマークされ、粒度の大きさの分布をさらに検査する準備ができている境界を生成する。
(4)包含マスクに深い異常検出及びパターン認識を行い、包含物の空間的、形状的、領域的異常検出を決定する。
最後に、システムは、さらなる調査のために興味のある分野の専門家に推奨する。
モデルの性能を提示し,いくつかの代表事例に基づいて解析する。
ここで示したモデルはメタログラフィー解析のために開発されたが、そのほとんどは幾何学的対象の異常検出が望まれるより広い問題に一般化することができる。
この作業のために作成されたすべてのモデルとデータセットはhttps://github.com/Scientific-Computing-Lab-NRCN/MLographyで公開されている。
関連論文リスト
- Direct mineral content prediction from drill core images via transfer learning [0.0]
深層探査は、鉱業、石油、ガス産業、化学廃棄物や核廃棄物の処理のための地質単位の評価において重要である。
本研究では,機械学習,特に畳み込みニューラルネットワーク(CNN)を活用して,ドリルコア画像の解析のみからリソロジーとミネラル含量を評価する可能性について検討する。
その結果、ドリルコアセグメントを異なる形成クラスに分類する際、96.7%の精度が明らかとなった。
論文 参考訳（メタデータ） (2024-03-27T12:15:22Z) - Instance Segmentation of Dislocations in TEM Images [0.0]
材料科学において, 転位の位置と移動に関する知識は, 優れた特性を持つ新素材を作成する上で重要である。
本研究では,Mask R-CNNやYOLOv8など,最先端のインスタンスセグメンテーション手法を定量的に比較する。
インスタンスセグメンテーションの結果としての転位マスクは数学的直線に変換され、転位長と幾何の定量的解析が可能となる。
論文 参考訳（メタデータ） (2023-09-07T06:17:31Z) - Diffusion-Based Hierarchical Multi-Label Object Detection to Analyze
Panoramic Dental X-rays [1.2239764810898268]
歯列の列挙と関連する診断を同時に行うことで,問題のある歯を識別するエンド・ツー・エンド・エンド・モデルを開発した。
これら3つの階層を共同で学習するために,拡散に基づく新しい階層型多ラベルオブジェクト検出フレームワークを導入する。
実験結果から,本手法は最先端の物体検出法よりも優れていた。
論文 参考訳（メタデータ） (2023-03-11T21:31:54Z) - Orientation-Shared Convolution Representation for CT Metal Artifact
Learning [63.67718355820655]
X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。
既存のディープラーニングベースの手法は、有望な再構築性能を得た。
本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
論文 参考訳（メタデータ） (2022-12-26T13:56:12Z) - SQUID: Deep Feature In-Painting for Unsupervised Anomaly Detection [76.01333073259677]
無線画像からの異常検出のための空間認識型メモリキューを提案する(略してSQUID)。
SQUIDは, 微細な解剖学的構造を逐次パターンに分類でき, 推測では画像中の異常(見えない/修正されたパターン)を識別できる。
論文 参考訳（メタデータ） (2021-11-26T13:47:34Z) - Self-Supervised Predictive Convolutional Attentive Block for Anomaly
Detection [97.93062818228015]
本稿では,再建に基づく機能を,新たな自己監督型予測アーキテクチャビルディングブロックに統合することを提案する。
我々のブロックは、受容領域におけるマスク領域に対する再構成誤差を最小限に抑える損失を備える。
画像やビデオの異常検出のための最先端フレームワークに組み込むことで,ブロックの汎用性を実証する。
論文 参考訳（メタデータ） (2021-11-17T13:30:31Z) - Towards Real-World Prohibited Item Detection: A Large-Scale X-ray
Benchmark [53.9819155669618]
本稿では,PIDrayと命名された大規模データセットについて述べる。
大量の努力を払って、私たちのデータセットには、高品質な注釈付きセグメンテーションマスクとバウンディングボックスを備えた47,677ドルのX線画像に、禁止アイテムの12ドルカテゴリが含まれています。
提案手法は最先端の手法に対して,特に故意に隠された項目を検出するために好適に機能する。
論文 参考訳（メタデータ） (2021-08-16T11:14:16Z) - Surface Warping Incorporating Machine Learning Assisted Domain
Likelihood Estimation: A New Paradigm in Mine Geology Modelling and
Automation [68.8204255655161]
新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。
本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。
その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
論文 参考訳（メタデータ） (2021-02-15T10:37:52Z) - Refined Plane Segmentation for Cuboid-Shaped Objects by Leveraging Edge
Detection [63.942632088208505]
本稿では,セグメント化された平面マスクを画像に検出されたエッジと整列するための後処理アルゴリズムを提案する。
これにより、立方体形状の物体に制限を加えながら、最先端のアプローチの精度を高めることができます。
論文 参考訳（メタデータ） (2020-03-28T18:51:43Z) - MLography: An Automated Quantitative Metallography Model for Impurities
Anomaly Detection using Novel Data Mining and Deep Learning Approach [0.5448283690603357]
本研究は,MLography と呼ばれる異常検出のための最先端人工知能モデルの開発に焦点をあてる。
各物体の異常度を、各物体がその近傍と比べて距離と大きさで定量化し、それぞれが自身の形状の異常によって定量化する。
モデルの性能を提示し,いくつかの代表事例に基づいて解析する。
論文 参考訳（メタデータ） (2020-02-27T15:17:03Z) - Encoding Metal Mask Projection for Metal Artifact Reduction in Computed
Tomography [21.5885187197634]
CT(Computerd tomography)における金属人工物還元(MAR)は、画像領域において人工物が構造化され非局所的であるため、非常に難しい課題である。
そこで本研究では,(1)シングラム中の金属汚染領域の維持,(2)バイナライズされた金属の痕跡を金属マスク投影に置き換えることにより,この問題に対処することを提案する。
我々の新しいネットワークは、特に金属オブジェクトが大きい場合、最先端のアプローチよりも、より正確な人工物再現画像を生成する。
論文 参考訳（メタデータ） (2020-01-02T06:39:06Z)
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。