論文の概要: LightDefectNet: A Highly Compact Deep Anti-Aliased Attention Condenser
Neural Network Architecture for Light Guide Plate Surface Defect Detection
- arxiv url: http://arxiv.org/abs/2204.11765v1
- Date: Mon, 25 Apr 2022 16:33:37 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-26 13:44:02.420499
- Title: LightDefectNet: A Highly Compact Deep Anti-Aliased Attention Condenser
Neural Network Architecture for Light Guide Plate Surface Defect Detection
- Title（参考訳）: LightDefectNet: 導光板表面欠陥検出のための高コンパクトな反エイリアスアテンションコンデンサニューラルネットワークアーキテクチャ
- Authors: Carol Xu, Mahmoud Famouri, Gautam Bathla, Mohammad Javad Shafiee, and
Alexander Wong
- Abstract要約: ライトガイドプレートの製造において重要なステップは、傷、明るい暗黒点、不純物などの欠陥の検査である。
ディープラーニング駆動型コンピュータビジョンの進歩は、ライトガイドプレートの自動視覚品質検査の探索につながった。
LightDetectNetは、光ガイド板表面欠陥検出に特化して設計された、高度にコンパクトなディープアンチエイリアス化されたアテンションコンデンサニューラルネットワークアーキテクチャである。
- 参考スコア（独自算出の注目度）: 71.40595908386477
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Light guide plates are essential optical components widely used in a diverse
range of applications ranging from medical lighting fixtures to back-lit TV
displays. An essential step in the manufacturing of light guide plates is the
quality inspection of defects such as scratches, bright/dark spots, and
impurities. This is mainly done in industry through manual visual inspection
for plate pattern irregularities, which is time-consuming and prone to human
error and thus act as a significant barrier to high-throughput production.
Advances in deep learning-driven computer vision has led to the exploration of
automated visual quality inspection of light guide plates to improve inspection
consistency, accuracy, and efficiency. However, given the cost constraints in
visual inspection scenarios, the widespread adoption of deep learning-driven
computer vision methods for inspecting light guide plates has been greatly
limited due to high computational requirements. In this study, we explore the
utilization of machine-driven design exploration with computational and
"best-practices" constraints as well as L$_1$ paired classification discrepancy
loss to create LightDefectNet, a highly compact deep anti-aliased attention
condenser neural network architecture tailored specifically for light guide
plate surface defect detection in resource-constrained scenarios. Experiments
show that LightDetectNet achieves a detection accuracy of $\sim$98.2% on the
LGPSDD benchmark while having just 770K parameters ($\sim$33$\times$ and
$\sim$6.9$\times$ lower than ResNet-50 and EfficientNet-B0, respectively) and
$\sim$93M FLOPs ($\sim$88$\times$ and $\sim$8.4$\times$ lower than ResNet-50
and EfficientNet-B0, respectively) and $\sim$8.8$\times$ faster inference speed
than EfficientNet-B0 on an embedded ARM processor.
- Abstract（参考訳）: 光ガイドプレートは、医療用照明器具からバックライトtvディスプレイまで、様々な用途で広く使われている必須の光学部品である。
導光板の製造において不可欠なステップは、傷、明るい/暗い斑点、不純物などの欠陥の品質検査である。
これは主に産業において、時間を要するプレートパターンの不規則性に対する手動の視覚検査によって行われ、人的ミスを生じやすいため、高スループット生産において重要な障壁となる。
ディープラーニング駆動型コンピュータビジョンの進歩は、検査の一貫性、精度、効率を改善するために、ライトガイドプレートの自動視覚品質検査の探索につながった。
しかし,視覚検査シナリオにおけるコスト制約を考慮すると,光ガイド板の検査にディープラーニング駆動のコンピュータビジョン手法が広く採用されている。
本研究では,資源制約のあるシナリオにおいて,光ガイド板表面欠陥検出に特化した高度にコンパクトなディープ・アンチ・エイリアス・アテンション・コンデンサニューラルネットワークアーキテクチャであるlightdefectnetを作成するために,計算量および「最良のプラクティス」制約とl$_1$のペアド分類不一致損失を用いた機械駆動設計探索の活用について検討する。
LightDetectNetは770Kパラメータ(それぞれResNet-50とEfficientNet-B0より低い)と$\sim$93M FLOPs$(それぞれResNet-50とEfficientNet-B0より低い)と$\sim$8.4$\times$(それぞれResNet-50とEfficientNet-B0より低い)と$\sim$8.8$\times$高速推論速度(ARMプロセッサ上のEfficientNet-B0より低い)の770Kパラメータしか持たずに、LGPSDDベンチマークで$\sim$98.2%の検出精度を達成した。
関連論文リスト
- $\mathrm{F^2Depth}$: Self-supervised Indoor Monocular Depth Estimation via Optical Flow Consistency and Feature Map Synthesis [17.18692080133249]
自己教師型屋内単分子深度推定フレームワークである$mathrmF2Depth$を提案する。
深度学習を監督するために、自己教師付き光フロー推定ネットワークを導入する。
その結果,本モデルは未知の屋内シーンで撮影された単眼画像とよく一致していることがわかった。
論文 参考訳（メタデータ） (2024-03-27T11:00:33Z) - A Lightweight Low-Light Image Enhancement Network via Channel Prior and Gamma Correction [0.0]
LLIE(ローライト・イメージ・エンハンスメント)とは、低照度シーンの処理に適した画像エンハンスメント技術である。
我々は,暗/明のチャネル先行と深層学習によるガンマ補正を組み合わせた,革新的なLLIEネットワークであるCPGA-Netを紹介する。
論文 参考訳（メタデータ） (2024-02-28T08:18:20Z) - 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) - High-Throughput, High-Performance Deep Learning-Driven Light Guide Plate
Surface Visual Quality Inspection Tailored for Real-World Manufacturing
Environments [75.66288398180525]
光導光板は、医療用照明器具からバックライトテレビディスプレイまで幅広い用途で広く利用されている光学部品である。
本研究では,光ガイド板表面の視覚的品質検査(VQI)を現実の製造環境に適した,完全に統合された,高性能なディープラーニング駆動ワークフローを提案する。
完全統合VQIシステム内のエッジコンピューティング上でのVQIの自動化を実現するため、高コンパクトな深層アンチエイリアス型アテンションコンデンサニューラルネットワーク(LightDefectNetと呼ぶ)が開発された。
LightDetectNetが検出精度を実現する実験
論文 参考訳（メタデータ） (2022-12-20T20:11:11Z) - CellDefectNet: A Machine-designed Attention Condenser Network for
Electroluminescence-based Photovoltaic Cell Defect Inspection [67.99623869339919]
太陽電池の視覚検査で業界が直面している大きな課題は、現在人間の検査員が手動で行っていることである。
本研究では,機械駆動設計探索により設計した高効率アテンションコンデンサネットワークであるCellDefectNetを紹介する。
発光画像を用いた太陽電池セルの多様性を示すベンチマークデータセット上で,セルデフェクトネットの有効性を実証した。
論文 参考訳（メタデータ） (2022-04-25T16:35:19Z) - TinyDefectNet: Highly Compact Deep Neural Network Architecture for
High-Throughput Manufacturing Visual Quality Inspection [72.88856890443851]
TinyDefectNetは、高スループット製造の視覚品質検査に適した、非常にコンパクトな深層畳み込みネットワークアーキテクチャである。
TinyDefectNetはAMD EPYC 7R32上にデプロイされ、ネイティブフロー環境を使って7.6倍のスループット、AMD ZenDNNアクセラレーターライブラリを使って9倍のスループットを達成した。
論文 参考訳（メタデータ） (2021-11-29T04:19:28Z) - Fast and Accurate Light Field Saliency Detection through Deep Encoding [0.8356765961526955]
光電界のサリエンシ検出は依然として速度に欠けており、精度も向上している。
既存のアプローチでは、トレーニングに必要な大量の計算リソースを消費し、テストの実行時間も長くなります。
より小さな3チャンネル特徴写像に、大規模光フィールド画像を積極的に還元することで、この問題を解消する。
論文 参考訳（メタデータ） (2020-10-25T09:15:08Z) - AttendNets: Tiny Deep Image Recognition Neural Networks for the Edge via
Visual Attention Condensers [81.17461895644003]
我々は、オンデバイス画像認識に適した、低精度でコンパクトなディープニューラルネットワークであるAttendNetsを紹介する。
AttendNetsは、視覚的注意の凝縮に基づく深い自己注意アーキテクチャを持っている。
その結果、AttendNetsは、いくつかのディープニューラルネットワークと比較して、アーキテクチャと計算の複雑さが著しく低いことが示された。
論文 参考訳（メタデータ） (2020-09-30T01:53:17Z)
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。