論文の概要: VizInspect Pro -- Automated Optical Inspection (AOI) solution
- arxiv url: http://arxiv.org/abs/2205.13095v1
- Date: Thu, 26 May 2022 00:38:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-27 13:24:59.228290
- Title: VizInspect Pro -- Automated Optical Inspection (AOI) solution
- Title(参考訳): VizInspect Pro - AOI(Automated Optical Inspection)ソリューション
- Authors: Faraz Waseem, Sanjit Menon, Haotian Xu, Debashis Mondal
- Abstract要約: VizInspect Proは、Leo - エッジAIプラットフォーム上に構築された汎用コンピュータビジョンベースのAOIソリューションである。
本稿では、このソリューションとプラットフォームが、モデル開発、デプロイ、複数の推論、可視化に関する問題をいかに解決したかを示す。
- 参考スコア(独自算出の注目度): 1.3190581566723916
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Traditional vision based Automated Optical Inspection (referred to as AOI in
paper) systems present multiple challenges in factory settings including
inability to scale across multiple product lines, requirement of vendor
programming expertise, little tolerance to variations and lack of cloud
connectivity for aggregated insights. The lack of flexibility in these systems
presents a unique opportunity for a deep learning based AOI system specifically
for factory automation. The proposed solution, VizInspect pro is a generic
computer vision based AOI solution built on top of Leo - An edge AI platform.
Innovative features that overcome challenges of traditional vision systems
include deep learning based image analysis which combines the power of
self-learning with high speed and accuracy, an intuitive user interface to
configure inspection profiles in minutes without ML or vision expertise and the
ability to solve complex inspection challenges while being tolerant to
deviations and unpredictable defects. This solution has been validated by
multiple external enterprise customers with confirmed value propositions. In
this paper we show you how this solution and platform solved problems around
model development, deployment, scaling multiple inferences and visualizations.
- Abstract(参考訳): 従来のビジョンベースの自動光学検査(AOI in paper)システムは、複数の製品ラインにまたがるスケールができないこと、ベンダープログラミングの専門知識の要求、バリエーションへの耐性の欠如、集約された洞察のためのクラウド接続の欠如など、ファクトリ設定におけるさまざまな課題を提示している。
これらのシステムの柔軟性の欠如は、特に工場自動化のためのディープラーニングベースのAOIシステムにユニークな機会を与える。
提案されたソリューションであるVizInspect Proは、Leo - エッジAIプラットフォーム上に構築された汎用コンピュータビジョンベースのAOIソリューションである。
従来のビジョンシステムの課題を克服する革新的な機能には、自己学習の能力と高速かつ正確性を組み合わせたディープラーニングベースの画像分析、mlや視覚専門知識なしで数分で検査プロファイルを設定する直感的なユーザインターフェース、偏差や予測不能な欠陥に耐性を持ちながら複雑な検査課題を解決する能力などがある。
このソリューションは、複数の外部の企業顧客が確認した価値提案で検証されている。
本稿では,このソリューションとプラットフォームが,モデル開発やデプロイメント,複数の推論と視覚化のスケーリングといった課題をどのように解決したかを示す。
関連論文リスト
- PIN: Positional Insert Unlocks Object Localisation Abilities in VLMs [55.8550939439138]
VLM(Vision-Language Models)は、大きな言語モデルと視覚システムを統合することで、大きな可能性を秘めている。
これらのモデルは、主にキャプションを含むマルチモーダルデータに対するトレーニングのため、オブジェクトローカライゼーションの基本的なコンピュータビジョンタスクにおいて課題に直面している。
本稿では,空間的プロンプトであるPIN(Input-Agnostic Positional Insert)を導入する。
我々のPINモジュールは、新しい出力ヘッドを必要とせずに、合成データに対する単純な次トーケン予測タスクで訓練されている。
論文 参考訳(メタデータ) (2024-02-13T18:39:18Z) - A Unified Framework for Probabilistic Verification of AI Systems via
Weighted Model Integration [13.275592130089953]
AIシステムの確率形式検証(PFV)はその初期段階にある。
Weighted Model Integration (WMI)に基づくAIシステムのPFV統合フレームワークを提案する。
この削減により、幅広い機械学習モデルに対して、公正性、ロバスト性、モノトニック性など、多くの興味のある性質の検証が可能になる。
論文 参考訳(メタデータ) (2024-02-07T14:24:04Z) - Reasoning Capacity in Multi-Agent Systems: Limitations, Challenges and
Human-Centered Solutions [14.398238217358116]
推論能力の形式的定義を提示し,システムの各コンポーネント内の制限を識別する上で,その有用性を示す。
そして、これらの制限が、人間のフィードバックを使って推論の欠点を緩和する自己反射的プロセスによってどのように対処できるかについて議論する。
論文 参考訳(メタデータ) (2024-02-02T02:53:11Z) - MouSi: Poly-Visual-Expert Vision-Language Models [132.58949014605477]
本稿では,個々の視覚エンコーダの能力の相乗化にアンサンブルエキスパート技術を用いることを提案する。
この技術は、異なる視覚専門家の出力の処理を統一する融合ネットワークを導入する。
本実装では,SAMなどのモデルにおける位置占有率を,実質的な4096からより効率的で管理可能な64,さらには1。
論文 参考訳(メタデータ) (2024-01-30T18:09:11Z) - Myriad: Large Multimodal Model by Applying Vision Experts for Industrial
Anomaly Detection [89.49244928440221]
産業異常検出に視覚専門家を適用した新しい大規模マルチモーダルモデル(Myriad)を提案する。
具体的には,MiniGPT-4をベースLMMとして採用し,Large Language Models (LLM) に理解可能なトークンとして,視覚専門家の事前知識を埋め込むために,Expert Perceptionモジュールを設計する。
視覚専門家の誤りや混乱を補うために,一般画像と産業画像の視覚的表現ギャップを埋めるために,ドメインアダプタを導入する。
論文 参考訳(メタデータ) (2023-10-29T16:49:45Z) - Automatically Correcting Large Language Models: Surveying the landscape
of diverse self-correction strategies [104.32199881187607]
大規模言語モデル(LLM)は、幅広いNLPタスクで顕著な性能を示した。
これらの欠陥を正すための有望なアプローチは自己補正であり、LLM自体が自身の出力で問題を修正するために誘導される。
本稿では,この新技術について概観する。
論文 参考訳(メタデータ) (2023-08-06T18:38:52Z) - Don't Treat the Symptom, Find the Cause! Efficient
Artificial-Intelligence Methods for (Interactive) Debugging [0.0]
現代の世界では、私たちは、より高度な洗練のシステムに常用し、活用し、交流し、頼りにしています。
本論では、モデルに基づく診断の話題を紹介し、この分野の課題を指摘し、これらの課題に対処する研究からのアプローチの選択について論じる。
論文 参考訳(メタデータ) (2023-06-22T12:44:49Z) - 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) - Engineering an Intelligent Essay Scoring and Feedback System: An
Experience Report [1.5168188294440734]
専門的な採用支援サービスの顧客から提供されるエッセイの質を評価するための探索システムについて述べる。
オープンエンドの顧客提供のソーステキストがあいまいさとエラーのかなりの範囲を持っているため、問題領域は困難です。
また、専門的なビジネスドメイン知識をインテリジェントな処理システムに組み込む必要もあります。
論文 参考訳(メタデータ) (2021-03-25T03:46:05Z) - Cognitive Visual Inspection Service for LCD Manufacturing Industry [80.63336968475889]
本論文では,現在FPD業界で主流となっている液晶ディスプレイ(LCD)の視覚検査システムについて述べる。
システムは、堅牢/高性能欠陥認識モデルと認知視覚検査サービスアーキテクチャの2つの基礎に基づいています。
論文 参考訳(メタデータ) (2021-01-11T08:14:35Z)
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。