論文の概要: FPIC: A Novel Semantic Dataset for Optical PCB Assurance
- arxiv url: http://arxiv.org/abs/2202.08414v1
- Date: Thu, 17 Feb 2022 02:29:58 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-19 03:17:18.833592
- Title: FPIC: A Novel Semantic Dataset for Optical PCB Assurance
- Title(参考訳): FPIC:光PCB保証のための新しいセマンティックデータセット
- Authors: Nathan Jessurun, Olivia P. Dizon-Paradis, Jacob Harrison, Shajib
Ghosh, Mark M. Tehranipoor, Damon L. Woodard, Navid Asadizanjani
- Abstract要約: 我々は、最先端の自動光学検査(AOI)技術についてレビューし、機械学習(ML)ソリューションに対する強固で急激な傾向を観察する。
これらは、公開されているPCBデータ空間に欠けている、大量のラベル付き真実データを必要とする。
本稿では,FICSイメージコレクション(FPIC)データセットを提案する。
- 参考スコア(独自算出の注目度): 7.027992770055891
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The continued outsourcing of printed circuit board (PCB) fabrication to
overseas venues necessitates increased hardware assurance capabilities. Toward
this end, several automated optical inspection (AOI) techniques have been
proposed in the past exploring various aspects of PCB images acquired using
digital cameras. In this work, we review state-of-the-art AOI techniques and
observed the strong, rapid trend toward machine learning (ML) solutions. These
require significant amounts of labeled ground truth data, which is lacking in
the publicly available PCB data space. We propose the FICS PBC Image Collection
(FPIC) dataset to address this bottleneck in available large-volume, diverse,
semantic annotations. Additionally, this work covers the potential increase in
hardware security capabilities and observed methodological distinctions
highlighted during data collection.
- Abstract(参考訳): 印刷基板(PCB)の海外へのアウトソーシングは、ハードウェア保証能力の向上を必要とした。
この目的のために、過去にデジタルカメラを用いて取得したPCB画像の様々な側面を探求する自動光学検査(AOI)技術が提案されている。
本研究では、最先端のAOI手法を概観し、機械学習(ML)ソリューションに対する強固で急激な傾向を観察した。
これらは、公開されているPCBデータ空間に欠けている、大量のラベル付き真実データを必要とする。
本稿では,FICS PBCイメージコレクション(FPIC)データセットを提案する。
さらに、この研究は、ハードウェアセキュリティ能力の潜在的な増加と、データ収集中に強調された方法論的区別をカバーしている。
関連論文リスト
- PCB-Vision: A Multiscene RGB-Hyperspectral Benchmark Dataset of Printed
Circuit Boards [11.658030498915535]
PCB-Vision」はRGB-ハイパースペクトルプリント基板(PCB)ベンチマークデータセットであり、53枚の高分解能画像とそれに対応する高分解能ハイパースペクトルデータ立方体を可視・近赤外域(VNIR)の範囲で組み合わせた。
提案したデータセットについて,U-Net,Atention U-Net,Residual U-Net,LinkNet,DeepLabv3+など,いくつかの最先端(SOTA)モデルのパフォーマンスとともに,広範な統計的調査を行った。
論文 参考訳(メタデータ) (2024-01-12T12:00:26Z) - Leveraging Multi-view Data for Improved Detection Performance: An
Industrial Use Case [0.5249805590164901]
高速かつ正確なソリューションを提供する多視点オブジェクト検出フレームワークを提案する。
本稿では,半自動地下構造データを用いた新しいマルチビューデータセットを提案する。
実験では, 0.5mmから27.0mmの成分を検出するため, mAPの15%の改善が示された。
論文 参考訳(メタデータ) (2023-04-17T09:41:37Z) - Towards Effective Image Manipulation Detection with Proposal Contrastive
Learning [61.5469708038966]
本稿では,効果的な画像操作検出のためのコントラスト学習(PCL)を提案する。
我々のPCLは、RGBとノイズビューから2種類のグローバル特徴を抽出し、2ストリームアーキテクチャで構成されている。
我々のPCLは、実際にラベル付けされていないデータに容易に適用でき、手作業によるラベル付けコストを削減し、より一般化可能な機能を促進することができる。
論文 参考訳(メタデータ) (2022-10-16T13:30:13Z) - PCB Component Detection using Computer Vision for Hardware Assurance [0.3058340744328236]
本研究は,意味データを用いたPCBコンポーネント検出の課題に対して,コンピュータビジョンに基づく様々な特徴の利点と限界について検討する。
本研究は,PCB成分検出において,色特徴が有望な性能を示すことを示した。
論文 参考訳(メタデータ) (2022-02-17T05:46:53Z) - MC-Blur: A Comprehensive Benchmark for Image Deblurring [127.6301230023318]
ほとんどの実世界の画像では、ブラーは動きやデフォーカスなど様々な要因によって引き起こされる。
我々は,MC-Blurと呼ばれる大規模マルチライク画像デブロアリングデータセットを新たに構築する。
MC-Blurデータセットに基づいて,異なるシナリオにおけるSOTA法の比較を行う。
論文 参考訳(メタデータ) (2021-12-01T02:10:42Z) - Meta-UDA: Unsupervised Domain Adaptive Thermal Object Detection using
Meta-Learning [64.92447072894055]
赤外線(IR)カメラは、照明条件や照明条件が悪ければ頑丈である。
既存のUDA手法を改善するためのアルゴリズムメタ学習フレームワークを提案する。
KAISTおよびDSIACデータセットのための最先端熱検出器を作成した。
論文 参考訳(メタデータ) (2021-10-07T02:28:18Z) - Integrative Use of Computer Vision and Unmanned Aircraft Technologies in
Public Inspection: Foreign Object Debris Image Collection [2.709804256642196]
無人航空機システム(UAS)は公共サービス事業者やスマートシティにとって重要な資源となっている。
本研究の目的は,コンピュータビジョンとUAS技術を統合して公衆検査を自動化することである。
最初のケーススタディとして、軽量自動検出の可能性を評価するために、一般的な異物デブリ(FOD)のデータセットが開発された。
論文 参考訳(メタデータ) (2021-06-01T00:45:32Z) - Lighting the Darkness in the Deep Learning Era [118.35081853500411]
低照度画像強調(LLIE)は、照明の弱い環境で撮影された画像の知覚や解釈性を改善することを目的としている。
この分野における最近の進歩は、ディープラーニングベースのソリューションが支配的です。
アルゴリズム分類から未解決の未解決問題まで,さまざまな側面をカバーする包括的な調査を行う。
論文 参考訳(メタデータ) (2021-04-21T19:12:19Z) - PlenoptiCam v1.0: A light-field imaging framework [8.467466998915018]
光界カメラは狭帯域深度センシングアプリケーションにおいてリッチな3次元情報検索において重要な役割を担っている。
レンズカメラによる露光から光フィールドを構成する際の重要な障害は、4次元画像データを計算的に調整し、調整し、再配置することである。
特定の望遠カメラ専用のパイプラインを調整することで、全体的な画質を向上させるためのいくつかの試みが提案されている。
論文 参考訳(メタデータ) (2020-10-14T09:23:18Z) - Self-supervised Equivariant Attention Mechanism for Weakly Supervised
Semantic Segmentation [93.83369981759996]
本稿では,自己監督同変注意機構(SEAM)を提案する。
本手法は,完全教師付きセマンティックセグメンテーションにおいて,同値が暗黙の制約であることを示す。
本稿では,ネットワーク学習のための自己スーパービジョンを提供するために,様々な変換画像から予測されたCAMの整合性正則化を提案する。
論文 参考訳(メタデータ) (2020-04-09T14:57:57Z) - 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)
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。