論文の概要: A Cascaded Zoom-In Network for Patterned Fabric Defect Detection
- arxiv url: http://arxiv.org/abs/2108.06760v1
- Date: Sun, 15 Aug 2021 15:29:26 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-17 15:09:00.847692
- Title: A Cascaded Zoom-In Network for Patterned Fabric Defect Detection
- Title（参考訳）: パターンファブリック欠陥検出のためのカスケードズームインネットワーク
- Authors: Zhiwei Zhang
- Abstract要約: パターン欠陥検出のための2ステップのカスケード型Zoom-In Network(CZI-Net)を提案する。
CZI-Netでは、Aggregated HOG (A-HOG) とSIFTの機能は、特徴抽出のための単純な畳み込みフィルタの代わりに使われる。
実世界のデータセットに基づく実験を行い,提案手法が計算学的に単純であるだけでなく,高精度に検出できることを実証した。
- 参考スコア（独自算出の注目度）: 8.789819609485225
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Nowadays, Deep Convolutional Neural Networks (DCNNs) are widely used in
fabric defect detection, which come with the cost of expensive training and
complex model parameters. With the observation that most fabrics are defect
free in practice, a two-step Cascaded Zoom-In Network (CZI-Net) is proposed for
patterned fabric defect detection. In the CZI-Net, the Aggregated HOG (A-HOG)
and SIFT features are used to instead of simple convolution filters for feature
extraction. Moreover, in order to extract more distinctive features, the
feature representation layer and full connection layer are included in the
CZI-Net. In practice, Most defect-free fabrics only involve in the first step
of our method and avoid a costive computation in the second step, which makes
very fast fabric detection. More importantly, we propose the
Locality-constrained Reconstruction Error (LCRE) in the first step and
Restrictive Locality-constrained Coding (RLC), Bag-of-Indexes (BoI) methods in
the second step. We also analyse the connections between different coding
methods and conclude that the index of visual words plays an essential role in
the coding methods. In conclusion, experiments based on real-world datasets are
implemented and demonstrate that our proposed method is not only
computationally simple but also with high detection accuracy.
- Abstract（参考訳）: 現在、深層畳み込みニューラルネットワーク(dcnn)は織物欠陥検出に広く使われており、高価なトレーニングと複雑なモデルパラメータのコストがかかる。
ファブリックのほとんどが欠陥がないという観測から,パターンドファブリック欠陥検出のための2段階カスケードズームインネットワーク (czi-net) が提案されている。
CZI-Netでは、Aggregated HOG (A-HOG) とSIFTの機能は、特徴抽出のための単純な畳み込みフィルタの代わりに使われる。
さらに、より特徴的な特徴を抽出するために、特徴表現層と完全な接続層がCZI-Netに含まれる。
実際、ほとんどの欠陥のない布地は、我々の方法の第1段階にしか関わらず、第2段階ではコストのかかる計算を避け、非常に高速な布地検出を行う。
さらに,第1ステップでLocality-Constrained Reconstruction Error(LCRE),第2ステップでRestrictive Locality-Constrained Coding(RLC),Bag-of-Indexes(BoI)手法を提案する。
また, 異なる符号化手法間の接続を解析し, 視覚単語の指標が符号化手法において不可欠な役割を担っていることを結論づける。
実世界のデータセットに基づく実験を行い,提案手法が計算学的に単純であるだけでなく,検出精度も高いことを示す。
関連論文リスト
- Faster Than Lies: Real-time Deepfake Detection using Binary Neural Networks [0.0]
ディープフェイク検出は、オンラインコンテンツへの信頼を損なうディープフェイクメディアの拡散と対比することを目的としている。
本稿では,BNN(Binary Neural Networks)を用いた画像に対する新しいディープフェイク検出手法を提案する。
論文 参考訳（メタデータ） (2024-06-07T13:37:36Z) - Global Context Aggregation Network for Lightweight Saliency Detection of
Surface Defects [70.48554424894728]
我々は,エンコーダ・デコーダ構造上の表面欠陥を簡易に検出するためのGCANet(Global Context Aggregation Network)を開発した。
まず、軽量バックボーンの上部層に新しいトランスフォーマーエンコーダを導入し、DSA(Depth-wise Self-Attention)モジュールを通じてグローバルなコンテキスト情報をキャプチャする。
3つの公開欠陥データセットの実験結果から,提案したネットワークは,他の17の最先端手法と比較して,精度と実行効率のトレードオフを良好に達成できることが示された。
論文 参考訳（メタデータ） (2023-09-22T06:19:11Z) - PRISTA-Net: Deep Iterative Shrinkage Thresholding Network for Coded
Diffraction Patterns Phase Retrieval [6.982256124089]
位相検索は、計算画像および画像処理における非線型逆問題である。
我々は,1次反復しきい値しきい値アルゴリズム(ISTA)に基づく深層展開ネットワークであるPRISTA-Netを開発した。
非線形変換,しきい値,ステップサイズなど,提案するPRISTA-Netフレームワークのパラメータはすべて,設定されるのではなく,エンドツーエンドで学習される。
論文 参考訳（メタデータ） (2023-09-08T07:37:15Z) - Small Object Detection via Coarse-to-fine Proposal Generation and
Imitation Learning [52.06176253457522]
本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。
CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
論文 参考訳（メタデータ） (2023-08-18T13:13:09Z) - Efficient Decoder-free Object Detection with Transformers [75.00499377197475]
視覚変換器(ViT)は、物体検出アプローチのランドスケープを変化させている。
本稿では,デコーダフリー完全トランス(DFFT)オブジェクト検出器を提案する。
DFFT_SMALLは、トレーニングおよび推論段階で高い効率を達成する。
論文 参考訳（メタデータ） (2022-06-14T13:22:19Z) - Real-Time Scene Text Detection with Differentiable Binarization and
Adaptive Scale Fusion [62.269219152425556]
セグメンテーションに基づくシーンテキスト検出手法はシーンテキスト検出分野において大きな注目を集めている。
本稿では,二項化処理をセグメンテーションネットワークに統合する分散二項化(DB)モジュールを提案する。
アダプティブ・スケール・フュージョン (ASF) モジュールは, 異なるスケールの特徴を適応的に融合させることにより, スケールのロバスト性を向上させる。
論文 参考訳（メタデータ） (2022-02-21T15:30:14Z) - MetricUNet: Synergistic Image- and Voxel-Level Learning for Precise CT
Prostate Segmentation via Online Sampling [66.01558025094333]
本稿では,前立腺領域を高速に局在させる第1段階と,前立腺領域を正確に区分する第2段階の2段階のフレームワークを提案する。
マルチタスクネットワークにおけるボクセルワイドサンプリングによる新しいオンラインメトリック学習モジュールを提案する。
本手法は,従来のクロスエントロピー学習法やDice損失学習法と比較して,より代表的なボクセルレベルの特徴を効果的に学習することができる。
論文 参考訳（メタデータ） (2020-05-15T10:37:02Z) - One-Shot Object Detection without Fine-Tuning [62.39210447209698]
本稿では,第1ステージのMatching-FCOSネットワークと第2ステージのStructure-Aware Relation Moduleからなる2段階モデルを提案する。
また,検出性能を効果的に向上する新たなトレーニング戦略を提案する。
提案手法は,複数のデータセット上で一貫した最先端のワンショット性能を上回る。
論文 参考訳（メタデータ） (2020-05-08T01:59:23Z) - Selective Convolutional Network: An Efficient Object Detector with
Ignoring Background [28.591619763438054]
Selective Convolutional Network (SCN) と呼ばれる効率的なオブジェクト検出器を導入し、意味のある情報を含む場所のみを選択的に計算する。
そこで本稿では,ネットワークの次を導くためのオーバーヘッドを無視できるような,精巧な構造を設計する。
論文 参考訳（メタデータ） (2020-02-04T10:07:01Z)
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。