Fugu-MT 論文翻訳(概要): A Continual Learning Framework for Adaptive Defect Classification and Inspection

論文の概要: A Continual Learning Framework for Adaptive Defect Classification and Inspection

arxiv url: http://arxiv.org/abs/2203.08796v1
Date: Wed, 16 Mar 2022 17:57:41 GMT
ステータス: 処理完了
システム内更新日: 2022-03-17 14:09:42.526906
Title: A Continual Learning Framework for Adaptive Defect Classification and Inspection
Title（参考訳）: 適応的欠陥分類と検査のための連続学習フレームワーク
Authors: Wenbo Sun, Raed Al Kontar, Judy Jin, Tzyy-Shuh Chang
Abstract要約: 機械ビジョンに基づく欠陥分類技術は製造工程における自動品質検査に広く採用されている。本稿では,不正サンプルの効率的な検査を行い,高ボリュームデータバッチから欠陥を分類する一般的なフレームワークについて述べる。
参考スコア（独自算出の注目度）: 7.552600549241253
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Machine-vision-based defect classification techniques have been widely adopted for automatic quality inspection in manufacturing processes. This article describes a general framework for classifying defects from high volume data batches with efficient inspection of unlabelled samples. The concept is to construct a detector to identify new defect types, send them to the inspection station for labelling, and dynamically update the classifier in an efficient manner that reduces both storage and computational needs imposed by data samples of previously observed batches. Both a simulation study on image classification and a case study on surface defect detection via 3D point clouds are performed to demonstrate the effectiveness of the proposed method.
Abstract（参考訳）: 機械ビジョンに基づく欠陥分類技術は製造工程における自動品質検査に広く採用されている。本稿では,不正サンプルの効率的な検査を行い,高ボリュームデータバッチから欠陥を分類する一般的なフレームワークについて述べる。概念は、新しい欠陥タイプを識別する検出器を構築し、ラベル付けのために検査ステーションに送信し、分類器を効率的に動的に更新することで、以前観測されたバッチのデータサンプルによって課されたストレージと計算能力の両方を減らすことである。画像分類に関するシミュレーション研究と3次元点雲による表面欠陥検出のケーススタディの両方を行い,提案手法の有効性を実証した。

関連論文リスト

SINDER: Repairing the Singular Defects of DINOv2 [61.98878352956125]
大規模なデータセットでトレーニングされたビジョントランスフォーマーモデルは、抽出したパッチトークンにアーティファクトを表示することが多い。本稿では,小さなデータセットのみを用いて構造欠陥を補正するスムーズなスムーズな正規化を提案する。
論文参考訳（メタデータ） (2024-07-23T20:34:23Z)
An Improved Anomaly Detection Model for Automated Inspection of Power Line Insulators [0.0]
電力系統の信頼性を確保するためには絶縁体の検査が重要である。検査プロセスを自動化するために、ディープラーニングがますます活用されています。本稿では,異常検出とオブジェクト検出の2段階的アプローチを提案する。
論文参考訳（メタデータ） (2023-11-14T11:36:20Z)
Adaptive conformal classification with noisy labels [22.33857704379073]
キャリブレーション試料のランダムなラベル汚染に自動的に適応できる分類タスクに対する新しいコンフォメーション予測手法を開発した。これは、ラベル汚染の有無で標準共形推論によって影響を受ける効果的なカバレッジインフレーションを正確に評価することで可能となる。提案手法の利点は、広範囲なシミュレーションと、CIFAR-10H画像データセットを用いたオブジェクト分類への応用によって実証される。
論文参考訳（メタデータ） (2023-09-10T17:35:43Z)
Anomaly Detection in Automated Fibre Placement: Learning with Data Limitations [3.103778949672542]
自動繊維配置における欠陥検出と局所化のための包括的枠組みを提案する。我々のアプローチは教師なしのディープラーニングと古典的なコンピュータビジョンアルゴリズムを組み合わせる。様々な表面の問題を効率よく検出し、訓練のために複合部品のイメージを少なくする。
論文参考訳（メタデータ） (2023-07-15T22:13:36Z)
Augment and Criticize: Exploring Informative Samples for Semi-Supervised Monocular 3D Object Detection [64.65563422852568]
我々は、一般的な半教師付きフレームワークを用いて、難解な単分子3次元物体検出問題を改善する。我々は、ラベルのないデータから豊富な情報的サンプルを探索する、新しい、シンプルで効果的なAugment and Criticize'フレームワークを紹介します。 3DSeMo_DLEと3DSeMo_FLEXと呼ばれる2つの新しい検出器は、KITTIのAP_3D/BEV(Easy)を3.5%以上改善した。
論文参考訳（メタデータ） (2023-03-20T16:28:15Z)
Attentive Prototypes for Source-free Unsupervised Domain Adaptive 3D Object Detection [85.11649974840758]
3Dオブジェクト検出ネットワークは、トレーニングされたデータに対してバイアスを受ける傾向がある。そこで本研究では,ライダーを用いた3次元物体検出器のソースレス・教師なし領域適応のための単一フレーム手法を提案する。
論文参考訳（メタデータ） (2021-11-30T18:42:42Z)
Self-Supervised Predictive Convolutional Attentive Block for Anomaly Detection [97.93062818228015]
本稿では,再建に基づく機能を,新たな自己監督型予測アーキテクチャビルディングブロックに統合することを提案する。我々のブロックは、受容領域におけるマスク領域に対する再構成誤差を最小限に抑える損失を備える。画像やビデオの異常検出のための最先端フレームワークに組み込むことで,ブロックの汎用性を実証する。
論文参考訳（メタデータ） (2021-11-17T13:30:31Z)
Reference-based Defect Detection Network [57.89399576743665]
最初の問題はテクスチャシフトであり、これはトレーニングされた欠陥検出モデルが目に見えないテクスチャの影響を受けやすいことを意味する。第2の問題は部分的な視覚的混乱であり、部分的な欠陥ボックスが完全なボックスと視覚的に類似していることを示している。本稿では,これら2つの問題に対処する参照型欠陥検出ネットワーク(RDDN)を提案する。
論文参考訳（メタデータ） (2021-08-10T05:44:23Z)
Zero-sample surface defect detection and classification based on semantic feedback neural network [13.796631421521765]
本論文では,複数角度からの画像タグ埋め込みにおける予測誤差を適応的に低減するアンサンブル協調学習アルゴリズムを提案する。産業分野におけるゼロショットデータセットとシリンダーライナーデータセットを用いた各種実験により,競争結果が得られた。
論文参考訳（メタデータ） (2021-06-15T08:26:36Z)
Unsupervised Anomaly Detection with Adversarial Mirrored AutoEncoders [51.691585766702744]
本稿では,識別器のミラー化ワッサースタイン損失を利用して,よりセマンティックレベルの再構築を行う逆自動エンコーダの変種を提案する。我々は,再建基準の代替として,異常スコアの代替尺度を提案した。提案手法は,OOD検出ベンチマークにおける異常検出の最先端手法よりも優れている。
論文参考訳（メタデータ） (2020-03-24T08:26:58Z)
Implicit supervision for fault detection and segmentation of emerging fault types with Deep Variational Autoencoders [1.160208922584163]
本研究では,ラベル付きおよびラベルなしサンプルを用いた可変オートエンコーダ(VAE)を提案する。これによりコンパクトで情報に富んだ潜在表現が生成され、未確認のフォールトタイプの検出とセグメンテーションが良好になる。本研究では,提案手法が他の学習方法よりも優れていることを示す。
論文参考訳（メタデータ） (2019-12-28T18:40:33Z)

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。