論文の概要: Instance Segmentation for Autonomous Log Grasping in Forestry Operations

• arxiv url: http://arxiv.org/abs/2203.01902v1
• Date: Thu, 3 Mar 2022 18:29:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-04 17:44:25.003068
• Title: Instance Segmentation for Autonomous Log Grasping in Forestry Operations
• Title（参考訳）: 森林操業における自動ロググラッピングのための事例分割
• Authors: Jean-Michel Fortin, Olivier Gamache, Vincent Grondin, Fran\c{c}ois Pomerleau, Philippe Gigu\`ere
• Abstract要約: 木製ログの抽出は自動化するのが難しい作業です。 ログの抽出自動化に関する最近の研究は通常、ログのポーズが知られていると仮定する。 本稿では,データ駆動型アプローチを用いて,実際の知覚問題に正則に対処する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Wood logs picking is a challenging task to automate. Indeed, logs usually come in cluttered configurations, randomly orientated and overlapping. Recent work on log picking automation usually assume that the logs' pose is known, with little consideration given to the actual perception problem. In this paper, we squarely address the latter, using a data-driven approach. First, we introduce a novel dataset, named TimberSeg 1.0, that is densely annotated, i.e., that includes both bounding boxes and pixel-level mask annotations for logs. This dataset comprises 220 images with 2500 individually segmented logs. Using our dataset, we then compare three neural network architectures on the task of individual logs detection and segmentation; two region-based methods and one attention-based method. Unsurprisingly, our results show that axis-aligned proposals, failing to take into account the directional nature of logs, underperform with 19.03 mAP. A rotation-aware proposal method significantly improve results to 31.83 mAP. More interestingly, a Transformer-based approach, without any inductive bias on rotations, outperformed the two others, achieving a mAP of 57.53 on our dataset. Our use case demonstrates the limitations of region-based approaches for cluttered, elongated objects. It also highlights the potential of attention-based methods on this specific task, as they work directly at the pixel-level. These encouraging results indicate that such a perception system could be used to assist the operators on the short-term, or to fully automate log picking operations in the future.
• Abstract（参考訳）: 木ログのピッキングは自動化が難しいタスクです。 実際、ログは通常乱雑な構成で、ランダムに向き付けされ、重複する。 ログの抽出自動化に関する最近の研究は通常、ログのポーズが知られていると仮定するが、実際の知覚問題はほとんど考慮されていない。 本稿では,データ駆動型アプローチを用いて,後者を正則に扱う。 まず、woodingseg 1.0という新しいデータセットを紹介し、ログ用のバウンディングボックスとピクセルレベルのマスクアノテーションの両方を含む、密に注釈付きです。 このデータセットは、2500個の個別セグメントログを持つ220の画像からなる。 このデータセットを用いて,個々のログ検出とセグメンテーションのタスクにおける3つのニューラルネットワークアーキテクチャを比較した。 当然のことながら、我々の結果は、ログの方向性を考慮していない軸整列提案が19.03mAPで不十分であることを示している。 ローテーション対応の提案法では、結果が31.83 mAPに大幅に改善された。 さらに興味深いことに、Transformerベースのアプローチでは、回転に対する誘導バイアスがなく、他の2つよりも優れており、私たちのデータセットで57.53のmAPを達成した。 我々のユースケースは、散らばった細長いオブジェクトに対する領域ベースのアプローチの限界を示す。 また、この特定のタスクにおける注意に基づく手法の可能性を強調し、ピクセルレベルで直接作業する。 これらの奨励的な結果は、このような認識システムが、オペレーターの短期的支援や、将来のログ抽出操作の完全自動化に利用できることを示している。

関連論文リスト

• SegVG: Transferring Object Bounding Box to Segmentation for Visual Grounding [56.079013202051094]
  ボックスレベルのアノテーションを信号として転送する新しい手法であるSegVGを提案する。 このアプローチでは,ボックスレベルのレグレッションとピクセルレベルのセグメンテーションの両方の信号としてアノテーションを反復的に利用することができる。
  論文  参考訳（メタデータ） (2024-07-03T15:30:45Z)
• LogFormer: A Pre-train and Tuning Pipeline for Log Anomaly Detection [73.69399219776315]
  本稿では,ログ異常検出(LogFormer)のためのTransformerベースの統合フレームワークを提案する。 具体的には、ログデータの共有セマンティック知識を得るために、まず、ソースドメイン上で事前学習を行う。 そして、そのような知識を共有パラメータを介して対象領域に転送する。
  論文  参考訳（メタデータ） (2024-01-09T12:55:21Z)
• GLAD: Content-aware Dynamic Graphs For Log Anomaly Detection [49.9884374409624]
  GLADは、システムログの異常を検出するように設計されたグラフベースのログ異常検出フレームワークである。 システムログの異常を検出するために設計されたグラフベースのログ異常検出フレームワークであるGLADを紹介する。
  論文  参考訳（メタデータ） (2023-09-12T04:21:30Z)
• USTEP: Structuration des logs en flux gr{\^a}ce {\`a} un arbre de recherche {\'e}volutif [0.0]
  ログメッセージを解析してフォーマットを構成することは、ログマイニングタスクの古典的な予備的なステップである。 進化する木構造に基づくオンラインログ解析手法USTEPを提案する。
  論文  参考訳（メタデータ） (2023-04-24T09:12:00Z)
• Knowledge Combination to Learn Rotated Detection Without Rotated Annotation [53.439096583978504]
  回転バウンディングボックスは、伸長したオブジェクトの出力あいまいさを劇的に減少させる。 この効果にもかかわらず、回転検出器は広く使われていない。 本稿では,モデルが正確な回転ボックスを予測できるフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-05T03:07:36Z)
• Collaborative Propagation on Multiple Instance Graphs for 3D Instance Segmentation with Single-point Supervision [63.429704654271475]
  本稿では,1つのオブジェクトを1つのポイントでラベル付けするだけでよい,弱教師付き手法RWSegを提案する。 これらの疎いラベルにより、セマンティック情報とインスタンス情報を伝達する2つの分岐を持つ統一的なフレームワークを導入する。 具体的には、異なるインスタンスグラフ間の競合を促進するクロスグラフ競合ランダムウォークス(CRW)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-08-10T02:14:39Z)
• SKTR: Trace Recovery from Stochastically Known Logs [7.882975068446842]
  機械学習の発展とセンサデータの利用の増加は、決定論的ログへの依存に挑戦する。 本研究では,現実に忠実な決定論的ログを生成するタスクを定式化する。 効果的なトレースリカバリアルゴリズムは、不確実な設定のために信頼できるプロセスマイニングツールを維持するための強力な助けとなるだろう。
  論文  参考訳（メタデータ） (2022-06-25T15:29:20Z)
• Log2NS: Enhancing Deep Learning Based Analysis of Logs With Formal to Prevent Survivorship Bias [0.37943450391498496]
  本稿では,機械学習(ML)による観測データに対する確率的解析と,基礎となる形式モデルに基づく記号的推論から導出される確実性を組み合わせたフレームワークであるlog to Neuro-symbolic (Log2NS)を紹介する。 Log2NSは、静的ログと相関エンジンからポジティブなインスタンスを問い合わせる機能と、ネガティブなインスタンスと目に見えないインスタンスの正式な推論を提供する。
  論文  参考訳（メタデータ） (2021-05-29T00:01:08Z)
• Self-Attentive Classification-Based Anomaly Detection in Unstructured Logs [59.04636530383049]
  ログ表現を学習するための分類法であるLogsyを提案する。 従来の方法と比較して,F1スコアの平均0.25の改善を示す。
  論文  参考訳（メタデータ） (2020-08-21T07:26:55Z)

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。