論文の概要: Deep Learning Strategies for Industrial Surface Defect Detection Systems

• arxiv url: http://arxiv.org/abs/2109.11304v1
• Date: Thu, 23 Sep 2021 11:31:45 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-24 15:00:42.603826
• Title: Deep Learning Strategies for Industrial Surface Defect Detection Systems
• Title（参考訳）: 産業用表面欠陥検出システムの深層学習戦略
• Authors: Dominik Martin, Simon Heinzel, Johannes Kunze von Bischhoffshausen, Niklas K\"uhl
• Abstract要約: 工業用表面欠陥検出システムにおける深層学習の適用は、トレーニングデータの不足、高価なデータ生成プロセス、小型化、表面欠陥の稀な発生などにより困難である。 本稿では,深層学習に基づく表面欠陥検出の産業的応用に向けた課題を体系的に把握し,その克服に向けた戦略,(3)戦略の適用性および有用性を評価する実験ケーススタディについて述べる。
• 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: Deep learning methods have proven to outperform traditional computer vision methods in various areas of image processing. However, the application of deep learning in industrial surface defect detection systems is challenging due to the insufficient amount of training data, the expensive data generation process, the small size, and the rare occurrence of surface defects. From literature and a polymer products manufacturing use case, we identify design requirements which reflect the aforementioned challenges. Addressing these, we conceptualize design principles and features informed by deep learning research. Finally, we instantiate and evaluate the gained design knowledge in the form of actionable guidelines and strategies based on an industrial surface defect detection use case. This article, therefore, contributes to academia as well as practice by (1) systematically identifying challenges for the industrial application of deep learning-based surface defect detection, (2) strategies to overcome these, and (3) an experimental case study assessing the strategies' applicability and usefulness.
• Abstract（参考訳）: 深層学習法は、画像処理の様々な分野で従来のコンピュータビジョン法より優れていることが証明されている。 しかし, 工業用表面欠陥検出システムにおける深層学習の適用は, 訓練データの不足, 高価なデータ生成プロセス, 小型化, まれな表面欠陥の発生などにより困難である。 文献や高分子製品製造のユースケースから,上記の課題を反映した設計要件を特定した。 これらの課題に対処し,ディープラーニング研究から得られる設計原則と特徴を概念化する。 最後に, 産業用表面欠陥検出ユースケースに基づく実用的なガイドラインと戦略の形式で, 得られた設計知識をインスタンス化し, 評価する。 そこで本論文は,(1)深層学習に基づく表面欠陥検出の産業的応用に向けた課題を体系的に特定すること,(2)これらを克服するための戦略,(3)戦略の適用性および有用性を評価する実験事例研究により,学界と実践に寄与する。

関連論文リスト

• Machine learning for industrial sensing and control: A survey and practical perspective [7.678648424345052]
  プロセス産業で実際に成功している重要な統計および機械学習技術を特定する。 ソフトセンシングは、統計学と機械学習の手法の多くの産業応用を含んでいる。 データ駆動最適化と制御のための2つの異なるフレーバーについて考察する。
  論文  参考訳（メタデータ） (2024-01-24T22:27:04Z)
• Concrete Surface Crack Detection with Convolutional-based Deep Learning Models [0.0]
  き裂検出は、建物の構造的健康モニタリングと検査に重要である。 畳み込みニューラルネットワーク(CNN)は、ひび割れ検出のための有望なフレームワークとして登場した。 我々は、事前訓練されたディープラーニングアーキテクチャに微調整技術を採用する。
  論文  参考訳（メタデータ） (2024-01-13T17:31:12Z)
• Computation-efficient Deep Learning for Computer Vision: A Survey [121.84121397440337]
  ディープラーニングモデルは、さまざまな視覚的知覚タスクにおいて、人間レベルのパフォーマンスに到達または超えた。 ディープラーニングモデルは通常、重要な計算資源を必要とし、現実のシナリオでは非現実的な電力消費、遅延、または二酸化炭素排出量につながる。 新しい研究の焦点は計算効率のよいディープラーニングであり、推論時の計算コストを最小限に抑えつつ、良好な性能を達成することを目指している。
  論文  参考訳（メタデータ） (2023-08-27T03:55:28Z)
• Machine Unlearning: A Survey [56.79152190680552]
  プライバシ、ユーザビリティ、および/または忘れられる権利のために、特定のサンプルに関する情報をマシンアンラーニングと呼ばれるモデルから削除する必要がある特別なニーズが生まれている。 この新興技術は、その革新と実用性により、学者と産業の両方から大きな関心を集めている。 この複雑なトピックを分析したり、さまざまなシナリオで既存の未学習ソリューションの実現可能性を比較したりした研究はない。 この調査は、未学習のテクニックに関する卓越した問題と、新しい研究機会のための実現可能な方向性を強調して締めくくった。
  論文  参考訳（メタデータ） (2023-06-06T10:18:36Z)
• A Survey of Surface Defect Detection of Industrial Products Based on A Small Number of Labeled Data [0.0]
  本稿では,少数のラベル付きデータに基づく工業製品の表面欠陥検出手法について概説する。 従来の画像処理に基づく産業製品表面欠陥検出法は, 統計的方法, スペクトル法, モデル法に分けられる。 少量のラベル付きデータに適した深層学習に基づく産業製品表面欠陥検出法は、データ拡張に基づいて、トランスファーラーニング、モデルベースファインチューニング、半教師付き、弱教師なし、および教師なしに基づいて分割される。
  論文  参考訳（メタデータ） (2022-03-11T03:08:23Z)
• Machine Learning for Intrusion Detection in Industrial Control Systems: Applications, Challenges, and Recommendations [6.7318392467856025]
  機械学習の手法は、サイバー攻撃に耐性のある産業制御システムの設計に応用されている。 本調査では,侵入と異常検出に用いる機械学習の4種類の手法に着目した。
  論文  参考訳（メタデータ） (2022-02-24T06:11:45Z)
• Weakly Supervised Object Localization and Detection: A Survey [145.5041117184952]
  オブジェクトのローカライゼーションと検出は、新しい世代のコンピュータビジョンシステムを開発する上で重要な役割を果たす。 本稿では,(1)古典的モデル,(2)既成の深層ネットワークの特徴表現を用いたアプローチ,(3)ディープラーニングのみに基づくアプローチ,(4)この分野で広く利用されている公開データセットと標準評価指標についてレビューする。 この分野における重要な課題、この分野の開発履歴、各カテゴリーの手法の利点/欠点、異なるカテゴリーの方法間の関係、弱い監督対象のローカリゼーションおよび検出方法の適用、およびこの研究分野の開発をさらに促進するための潜在的な将来の方向性について議論します。
  論文  参考訳（メタデータ） (2021-04-16T06:44:50Z)
• Individual Explanations in Machine Learning Models: A Case Study on Poverty Estimation [63.18666008322476]
  機械学習の手法は、敏感な社会的文脈でますます適用されつつある。 本研究の主な目的は2つある。 まず、これらの課題を公開し、関連性のある新しい説明方法の使用にどのように影響するか。 次に、関連するアプリケーションドメインで説明メソッドを実装する際に直面するような課題を軽減する一連の戦略を提示します。
  論文  参考訳（メタデータ） (2021-04-09T01:54:58Z)
• Model-Based Deep Learning [155.063817656602]
  信号処理、通信、制御は伝統的に古典的な統計モデリング技術に依存している。 ディープニューラルネットワーク(DNN)は、データから操作を学ぶ汎用アーキテクチャを使用し、優れたパフォーマンスを示す。 私たちは、原理数学モデルとデータ駆動システムを組み合わせて両方のアプローチの利点を享受するハイブリッド技術に興味があります。
  論文  参考訳（メタデータ） (2020-12-15T16:29:49Z)
• Deep Learning for Sensor-based Human Activity Recognition: Overview, Challenges and Opportunities [52.59080024266596]
  本稿では,センサを用いた人間の活動認識のための最先端のディープラーニング手法について調査する。 まず、官能データのマルチモーダリティを導入し、公開データセットに情報を提供する。 次に、課題によって深層メソッドを構築するための新しい分類法を提案する。
  論文  参考訳（メタデータ） (2020-01-21T09:55:59Z)

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。