論文の概要: SSD-Faster Net: A Hybrid Network for Industrial Defect Inspection
- arxiv url: http://arxiv.org/abs/2207.00589v1
- Date: Sun, 3 Jul 2022 08:52:15 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-05 13:33:17.972982
- Title: SSD-Faster Net: A Hybrid Network for Industrial Defect Inspection
- Title（参考訳）: SSD-Faster Net: 産業欠陥検査のためのハイブリッドネットワーク
- Authors: Jingyao Wang, Naigong Yu
- Abstract要約: 本稿では,鉄道,絶縁体,通勤機等の産業的欠陥検査のためのハイブリッドネットワーク,SSD-Faster Netを提案する。
SSD-Faster Netは2段階のネットワークであり、欠陥ブロックを素早く配置するためのSSDと、欠陥セグメンテーションのためのより高速なR-CNNを含んでいる。
実験によると、SSD-Faster Netの平均精度は84.03%であり、これは最も近い競合相手よりも13.42%高い。
- 参考スコア（独自算出の注目度）: 0.7843067454030996
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The quality of industrial components is critical to the production of special
equipment such as robots. Defect inspection of these components is an efficient
way to ensure quality. In this paper, we propose a hybrid network, SSD-Faster
Net, for industrial defect inspection of rails, insulators, commutators etc.
SSD-Faster Net is a two-stage network, including SSD for quickly locating
defective blocks, and an improved Faster R-CNN for defect segmentation. For the
former, we propose a novel slice localization mechanism to help SSD scan
quickly. The second stage is based on improved Faster R-CNN, using FPN,
deformable kernel(DK) to enhance representation ability. It fuses multi-scale
information, and self-adapts the receptive field. We also propose a novel loss
function and use ROI Align to improve accuracy. Experiments show that our
SSD-Faster Net achieves an average accuracy of 84.03%, which is 13.42% higher
than the nearest competitor based on Faster R-CNN, 4.14% better than GAN-based
methods, more than 10% higher than that of DNN-based detectors. And the
computing speed is improved by nearly 7%, which proves its robustness and
superior performance.
- Abstract（参考訳）: 産業部品の品質は、ロボットなどの特殊機器の製造に不可欠である。
これらのコンポーネントの欠陥検査は、品質を確保する効率的な方法です。
本稿では,鉄道,絶縁体,通勤機等の産業欠陥検査のためのハイブリッドネットワーク,SSD-Faster Netを提案する。
SSD-Faster Netは2段階のネットワークであり、欠陥ブロックを素早く配置するためのSSDと、欠陥セグメンテーションのためのより高速なR-CNNを含んでいる。
前者に対しては,SSDの高速スキャンを支援するスライスローカライズ機構を提案する。
第2段階は、より高速なr-cnn、fpn、deformable kernel(dk)を使用して表現能力を向上させることに基づいている。
マルチスケールな情報を融合し、受容野に自己適応する。
また、新しい損失関数を提案し、ROI Align を用いて精度を向上させる。
実験の結果、SSD-Faster Netの平均精度は84.03%で、これはより高速なR-CNNをベースとした競合機よりも13.42%高く、4.14%、DNNベースの検出器よりも10%高い。
そして、計算速度は7%近く改善され、堅牢性と優れたパフォーマンスが証明される。
関連論文リスト
- FusionANNS: An Efficient CPU/GPU Cooperative Processing Architecture for Billion-scale Approximate Nearest Neighbor Search [9.724743360108835]
近似近接探索(ANNS)がデータベースとAIインフラストラクチャの重要なコンポーネントとして登場した。
数十億のデータセットを対象とした高スループット,低レイテンシ,低コスト,高精度なANNSシステムであるFusionANNSを提案する。
本稿では、CPUとGPU間のデータスワップを回避するための多層インデックス化、不要なI/Oや計算をなくすための再ランク付け、I/O効率をさらに向上するための冗長なI/Oデデューズという3つの新しい設計を提案する。
論文 参考訳（メタデータ） (2024-09-25T03:14:01Z) - Digital Twin-Assisted Data-Driven Optimization for Reliable Edge Caching in Wireless Networks [60.54852710216738]
我々はD-RECと呼ばれる新しいデジタルツインアシスト最適化フレームワークを導入し、次世代無線ネットワークにおける信頼性の高いキャッシュを実現する。
信頼性モジュールを制約付き決定プロセスに組み込むことで、D-RECは、有利な制約に従うために、アクション、報酬、状態を適応的に調整することができる。
論文 参考訳（メタデータ） (2024-06-29T02:40:28Z) - High-speed Low-consumption sEMG-based Transient-state micro-Gesture
Recognition [6.649481653007372]
提案されたSNNの精度はそれぞれ83.85%と93.52%である。
この手法は、高精度、高速、低消費電力のマイクロジェスチャー認識タスクに使用できる。
論文 参考訳（メタデータ） (2024-03-04T08:59:12Z) - Compute-in-Memory based Neural Network Accelerators for Safety-Critical
Systems: Worst-Case Scenarios and Protections [8.813981342105151]
本稿では,CiM加速器の最悪の性能をデバイス変動の影響で特定する問題について検討する。
本稿では,対向訓練とノイズ注入訓練を効果的に組み合わせた,A-TRICEという新たな最悪の事例認識訓練手法を提案する。
実験の結果,A-TRICEは機器の変量下での最悪のケース精度を最大33%向上することがわかった。
論文 参考訳（メタデータ） (2023-12-11T05:56:00Z) - Follow the Soldiers with Optimized Single-Shot Multibox Detection and
Reinforcement Learning [0.0]
私たちはDeepRacerを使って自律的なシステムを構築し、特定の人物(私たちのプロジェクト、兵士)がどんな方向に動いても追跡します。
このプロジェクトを達成するための2つの主要なコンポーネントは、最適化されたシングルショットマルチボックス検出(SSD)オブジェクト検出モデルと強化学習(RL)モデルである。
実験の結果,SSD Liteはこれらの3つの技術の中で優れた性能を示し,精度を損なうことなく,推論速度(2～3倍)を大幅に向上させることがわかった。
論文 参考訳（メタデータ） (2023-08-02T19:08:57Z) - Practical Conformer: Optimizing size, speed and flops of Conformer for
on-Device and cloud ASR [67.63332492134332]
我々は、デバイス上の制約を満たすのに十分小さく、TPUを高速に推論できる最適化されたコンバータを設計する。
提案するエンコーダは、デバイス上では強力なスタンドアロンエンコーダとして、また高性能なASRパイプラインの第1部として利用することができる。
論文 参考訳（メタデータ） (2023-03-31T23:30:48Z) - FPGA-optimized Hardware acceleration for Spiking Neural Networks [69.49429223251178]
本研究は,画像認識タスクに適用したオフライントレーニングによるSNN用ハードウェアアクセラレータの開発について述べる。
この設計はXilinx Artix-7 FPGAをターゲットにしており、利用可能なハードウェアリソースの40%を合計で使用している。
分類時間を3桁に短縮し、ソフトウェアと比較すると精度にわずか4.5%の影響を与えている。
論文 参考訳（メタデータ） (2022-01-18T13:59:22Z) - Projected GANs Converge Faster [50.23237734403834]
GAN(Generative Adversarial Networks)は高品質な画像を生成するが、訓練は難しい。
生成したサンプルと実際のサンプルを固定された事前訓練された特徴空間に投影することで、これらの問題に大きく取り組みます。
我々の投影GANは画像品質、サンプル効率、収束速度を改善する。
論文 参考訳（メタデータ） (2021-11-01T15:11:01Z) - SmartDeal: Re-Modeling Deep Network Weights for Efficient Inference and
Training [82.35376405568975]
ディープニューラルネットワーク(DNN)は重いパラメータ化を伴い、ストレージ用の外部動的ランダムアクセスメモリ(DRAM)につながります。
We present SmartDeal (SD), a algorithm framework to trade high-cost memory storage/ access for lower-cost compute。
SDは貯蔵および訓練エネルギーの10.56xそして4.48x減少、最先端の訓練のベースラインと比較される無視可能な正確さの損失をもたらすことを示します。
論文 参考訳（メタデータ） (2021-01-04T18:54:07Z) - PatDNN: Achieving Real-Time DNN Execution on Mobile Devices with
Pattern-based Weight Pruning [57.20262984116752]
粗粒構造の内部に新しい次元、きめ細かなプルーニングパターンを導入し、これまで知られていなかった設計空間の点を明らかにした。
きめ細かいプルーニングパターンによって高い精度が実現されているため、コンパイラを使ってハードウェア効率を向上し、保証することがユニークな洞察である。
論文 参考訳（メタデータ） (2020-01-01T04:52:07Z) - FSSD: Feature Fusion Single Shot Multibox Detector [8.016875965887815]
FSSD(Feature Fusion Single Shot Multibox Detector)は、新しい軽量機能融合モジュールを備えた拡張SSDである。
我々のネットワークは、Nvidia 1080Ti GPUを使用して、入力サイズ300$times$300の65.8 FPS(秒間フレーム)で82.7 mAP(平均精度)を達成することができる。
論文 参考訳（メタデータ） (2017-12-04T09:05:55Z)
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。