論文の概要: A framework for the automation of testing computer vision systems
- arxiv url: http://arxiv.org/abs/2105.04383v1
- Date: Mon, 10 May 2021 14:02:42 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-11 14:35:31.744790
- Title: A framework for the automation of testing computer vision systems
- Title（参考訳）: コンピュータビジョンシステムのテスト自動化のためのフレームワーク
- Authors: Franz Wotawa and Lorenz Klampfl and Ledio Jahaj
- Abstract要約: 私たちは、ビジョンソフトウェアのテスト分野に貢献し、ビジョンと画像認識に基づくシステムのためのテストの自動生成のためのフレームワークを提示します。
リブレット表面上の欠陥を識別する特定の産業アプリケーションをテストする上で,このようなフレームワークがいかに役立つかを示す。
- 参考スコア（独自算出の注目度）: 17.360163137925998
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Vision systems, i.e., systems that allow to detect and track objects in
images, have gained substantial importance over the past decades. They are used
in quality assurance applications, e.g., for finding surface defects in
products during manufacturing, surveillance, but also automated driving,
requiring reliable behavior. Interestingly, there is only little work on
quality assurance and especially testing of vision systems in general. In this
paper, we contribute to the area of testing vision software, and present a
framework for the automated generation of tests for systems based on vision and
image recognition. The framework makes use of existing libraries allowing to
modify original images and to obtain similarities between the original and
modified images. We show how such a framework can be used for testing a
particular industrial application on identifying defects on riblet surfaces and
present preliminary results from the image classification domain.
- Abstract（参考訳）: 視覚システム、すなわち画像内の物体の検出と追跡を可能にするシステムは、過去数十年間で大きな重要性を増してきた。
品質保証アプリケーション(例えば、製造中の製品の表面欠陥の発見、監視、そして信頼性の高い行動を必要とする自動運転など)で使用される。
興味深いことに、品質保証や、特にビジョンシステム全般をテストする作業は少ない。
本稿では,視覚ソフトウェアのテスト領域にコントリビュートし,視覚と画像認識に基づくシステムの自動テスト生成のためのフレームワークを提案する。
このフレームワークでは、既存のライブラリを使用して、オリジナルイメージの修正と、オリジナルイメージと修正イメージの類似性を取得する。
このようなフレームワークがリブレット表面の欠陥を識別する特定の産業アプリケーションをテストするのにどのように使えるかを示し、画像分類領域から予備的な結果を示す。
関連論文リスト
- KITTEN: A Knowledge-Intensive Evaluation of Image Generation on Visual Entities [93.74881034001312]
テキスト・画像生成モデルにおける実体の忠実度に関する系統的研究を行う。
我々はランドマークの建物、航空機、植物、動物など、幅広い現実世界の視覚的実体を生成する能力に焦点をあてる。
その結果、最も高度なテキスト・画像モデルでさえ、正確な視覚的詳細を持つエンティティを生成できないことが判明した。
論文 参考訳（メタデータ） (2024-10-15T17:50:37Z) - UNIT: Unifying Image and Text Recognition in One Vision Encoder [51.140564856352825]
UNITは、単一のモデル内で画像とテキストの認識を統一することを目的とした、新しいトレーニングフレームワークである。
文書関連タスクにおいて,UNITが既存の手法を著しく上回ることを示す。
注目すべきなのは、UNITはオリジナルのビジョンエンコーダアーキテクチャを保持しており、推論とデプロイメントの点で費用がかからないことだ。
論文 参考訳（メタデータ） (2024-09-06T08:02:43Z) - A Feature-based Approach for the Recognition of Image Quality
Degradation in Automotive Applications [0.0]
本稿では,自動車アプリケーションにおける画像品質の劣化を検知する特徴に基づくアルゴリズムを提案する。
異なるデータセットを用いた実験により、このアルゴリズムはカメラレンズに付着した汚れを検知し、異なるタイプの画像劣化を分類できることが示された。
論文 参考訳（メタデータ） (2023-03-13T13:40:09Z) - A Quality Index Metric and Method for Online Self-Assessment of
Autonomous Vehicles Sensory Perception [164.93739293097605]
本稿では,検出品質指標(DQI)と呼ばれる新しい評価指標を提案し,カメラを用いた物体検出アルゴリズムの性能を評価する。
我々は,提案したDQI評価指標を予測するために,原画像画素とスーパーピクセルを入力として利用するスーパーピクセルベースのアテンションネットワーク(SPA-NET)を開発した。
論文 参考訳（メタデータ） (2022-03-04T22:16:50Z) - Vision Checklist: Towards Testable Error Analysis of Image Models to
Help System Designers Interrogate Model Capabilities [26.177391265710362]
Vision Checklistは、堅牢性評価のためにシステムデザイナが使用可能なレポートを生成するために、モデルの能力を疑うためのフレームワークである。
我々のフレームワークは、Tinyimagenet、CIFAR10、CIFAR100、Camelyon17のような複数のデータセットと、ViTやResnetのようなモデルで評価されている。
論文 参考訳（メタデータ） (2022-01-27T17:20:16Z) - Cognitive Visual Inspection Service for LCD Manufacturing Industry [80.63336968475889]
本論文では,現在FPD業界で主流となっている液晶ディスプレイ(LCD)の視覚検査システムについて述べる。
システムは、堅牢/高性能欠陥認識モデルと認知視覚検査サービスアーキテクチャの2つの基礎に基づいています。
論文 参考訳（メタデータ） (2021-01-11T08:14:35Z) - Unadversarial Examples: Designing Objects for Robust Vision [100.4627585672469]
現代の機械学習アルゴリズムの感度を入力摂動に活かし、「ロバストオブジェクト」を設計するフレームワークを開発しています。
標準ベンチマークから(シミュレーション中)ロボット工学まで,さまざまな視覚ベースのタスクに対するフレームワークの有効性を実証する。
論文 参考訳（メタデータ） (2020-12-22T18:26:07Z) - SAFFIRE: System for Autonomous Feature Filtering and Intelligent ROI
Estimation [18.879707999761653]
この研究は、一連の画像サンプルから支配的な再帰的イメージパターンを自動的に抽出する、SAFFIREという新しいフレームワークを導入する。
このフレームワークは、自動製品検査のためのマシンビジョンシステムのコンテキストにおいて、ここで特化されています。
論文 参考訳（メタデータ） (2020-12-04T10:07:24Z) - Deep Learning Models for Visual Inspection on Automotive Assembling Line [2.594420805049218]
本稿では,深層学習を用いた視覚検査支援手法を提案する。
提案手法は、実際の自動車組立ラインにおける4つの概念実証によって説明される。
論文 参考訳（メタデータ） (2020-07-02T20:00:45Z) - Towards Coding for Human and Machine Vision: A Scalable Image Coding
Approach [104.02201472370801]
圧縮モデルと生成モデルの両方を活用することにより,新しい画像符号化フレームワークを考案した。
高度な生成モデルを導入することで、コンパクトな特徴表現と参照画素から画像を再構成するフレキシブルネットワークを訓練する。
実験により、人間の視覚的品質と顔のランドマーク検出の両方において、我々の枠組みが優れていることが示された。
論文 参考訳（メタデータ） (2020-01-09T10:37:17Z)
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。