Fugu-MT 論文翻訳(概要): RGB-X Classification for Electronics Sorting

論文の概要: RGB-X Classification for Electronics Sorting

arxiv url: http://arxiv.org/abs/2209.03509v1
Date: Thu, 8 Sep 2022 00:33:00 GMT
ステータス: 処理完了
システム内更新日: 2022-09-09 13:23:53.041165
Title: RGB-X Classification for Electronics Sorting
Title（参考訳）: 電子部品のRGB-X分類
Authors: FNU Abhimanyu, Tejas Zodage, Umesh Thillaivasan, Xinyue Lai, Rahul Chakwate, Javier Santillan, Emma Oti, Ming Zhao, Ralph Boirum, Howie Choset, Matthew Travers
Abstract要約: マルチモーダル画像分類手法であるRGB-Xを導入し、X線画像から生成された画像と外部RGB画像からの重要な特徴を利用して電子オブジェクトを正確に分類する。本稿では,X線領域に適用した領域ランダム化を用いた新しい合成データセット作成手法を提案する。組み合わせたRGB-Xアプローチでは、10世代のスマートフォンで98.6%の精度が得られ、これは個々のアキュラシーの89.1%(RGB)と97.9%(X線)より大きい。
参考スコア（独自算出の注目度）: 10.409080299411645
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Effectively disassembling and recovering materials from waste electrical and electronic equipment (WEEE) is a critical step in moving global supply chains from carbon-intensive, mined materials to recycled and renewable ones. Conventional recycling processes rely on shredding and sorting waste streams, but for WEEE, which is comprised of numerous dissimilar materials, we explore targeted disassembly of numerous objects for improved material recovery. Many WEEE objects share many key features and therefore can look quite similar, but their material composition and internal component layout can vary, and thus it is critical to have an accurate classifier for subsequent disassembly steps for accurate material separation and recovery. This work introduces RGB-X, a multi-modal image classification approach, that utilizes key features from external RGB images with those generated from X-ray images to accurately classify electronic objects. More specifically, this work develops Iterative Class Activation Mapping (iCAM), a novel network architecture that explicitly focuses on the finer-details in the multi-modal feature maps that are needed for accurate electronic object classification. In order to train a classifier, electronic objects lack large and well annotated X-ray datasets due to expense and need of expert guidance. To overcome this issue, we present a novel way of creating a synthetic dataset using domain randomization applied to the X-ray domain. The combined RGB-X approach gives us an accuracy of 98.6% on 10 generations of modern smartphones, which is greater than their individual accuracies of 89.1% (RGB) and 97.9% (X-ray) independently. We provide experimental results3 to corroborate our results.
Abstract（参考訳）: 廃棄物の電気・電子機器(WEEE)から物質を効果的に分解・回収することは, 炭素集約・採掘物質から再生・再生物質へグローバルサプライチェーンを移動させる重要なステップである。従来のリサイクルプロセスは, 廃棄物の細断処理や分別処理に頼っているが, 多数の異種材料からなるWEEEでは, 材料回収の改善を目的とした多数の対象物の解体を検討中である。多くのweeeオブジェクトは、多くの重要な特徴を共有しており、非常によく似ているように見えるが、材料構成や内部コンポーネントのレイアウトは異なるため、正確な材料分離とリカバリのために、後の分解ステップの正確な分類器を持つことが重要である。マルチモーダル画像分類手法であるRGB-Xを導入し、X線画像から生成された画像と外部RGB画像からの重要な特徴を利用して電子オブジェクトを正確に分類する。より具体的には、Iterative Class Activation Mapping (iCAM) は、電子オブジェクトの正確な分類に必要なマルチモーダル特徴写像の細部を明示的に重視する、新しいネットワークアーキテクチャである。分類器を訓練するために、電子オブジェクトは費用と専門家の指導を必要とするため、大きくて注釈の付いたX線データセットを欠いている。本稿では,x線領域に適用される領域ランダム化を用いた合成データセットの作成法を提案する。組み合わせたRGB-Xアプローチでは、10世代のスマートフォンで98.6%の精度が得られ、これは個々のアキュラシーの89.1%(RGB)と97.9%(X線)より大きい。実験結果3は結果の相関を示す。

関連論文リスト

Hyperspectral Dataset and Deep Learning methods for Waste from Electric and Electronic Equipment Identification (WEEE) [0.0]
ハイパースペクトル画像分割のための多種多様なディープラーニングアーキテクチャの性能を評価する。その結果,空間情報をスペクトルデータと組み合わせることで,セグメンテーション結果が改善された。我々は、Tecnalia WEEE Hyperspectralデータセットのクリーニングと公開によって、この分野に貢献する。
論文参考訳（メタデータ） (2024-07-05T13:45:11Z)
OpenMaterial: A Comprehensive Dataset of Complex Materials for 3D Reconstruction [54.706361479680055]
295個の異なる材料からなる1001個のオブジェクトからなるOpenMaterialデータセットを紹介した。 OpenMaterialは3D形状、マテリアルタイプ、カメラポーズ、深さ、オブジェクトマスクなど、包括的なアノテーションを提供する。これは、多様で挑戦的な材料を持つオブジェクト上で、既存のアルゴリズムの定量的評価を可能にする最初の大規模データセットである。
論文参考訳（メタデータ） (2024-06-13T07:46:17Z)
End-to-End Model-based Deep Learning for Dual-Energy Computed Tomography Material Decomposition [53.14236375171593]
本稿では,定量化のためのエンド・ツー・エンド材料分解(E2E-DEcomp)と呼ばれる深層学習手法を提案する。 AAPMスペクトルCTデータセットにおける直接E2E-DEcomp法の有効性を示す。
論文参考訳（メタデータ） (2024-06-01T16:20:59Z)
Image Segmentation using U-Net Architecture for Powder X-ray Diffraction Images [35.158892656603214]
実験X線回折(XRD)画像中のアーティファクトを同定する手法を提案する。提案手法は、可変U-Netなどのディープラーニング畳み込みニューラルネットワークアーキテクチャを用いて、人工物を特定する。
論文参考訳（メタデータ） (2023-10-24T21:11:09Z)
MatSpectNet: Material Segmentation Network with Domain-Aware and Physically-Constrained Hyperspectral Reconstruction [13.451692195639696]
MatSpectNetは、RGB画像から回復したハイパースペクトル画像で材料を分割する新しいモデルである。現代のカメラにおける色知覚の原理を利用して、再構成されたハイパースペクトル画像を制限する。平均ピクセル精度は1.60%増加し、最新の出版物と比べて平均クラス精度は3.42%改善している。
論文参考訳（メタデータ） (2023-07-21T10:02:02Z)
Combining Variational Autoencoders and Physical Bias for Improved Microscopy Data Analysis [0.0]
本稿では,データ内の変数の因子を分散させる物理拡張機械学習手法を提案する。本手法はNiO-LSMO, BiFeO3, グラフェンなど様々な材料に適用される。その結果,大量の画像データから有意な情報を抽出する手法の有効性が示された。
論文参考訳（メタデータ） (2023-02-08T17:35:38Z)
MetaGraspNet: A Large-Scale Benchmark Dataset for Scene-Aware Ambidextrous Bin Picking via Physics-based Metaverse Synthesis [72.85526892440251]
本稿では,物理に基づくメタバース合成により構築した大規模写真リアリスティックビンピックデータセットであるMetaGraspNetを紹介する。提案データセットは,82種類の記事に対して217kのRGBD画像を含み,オブジェクト検出,アモーダル認識,キーポイント検出,操作順序,および並列ジャウと真空グリップパー用のアンビデクストグリップラベルの完全なアノテーションを備える。また,2.3k以上の完全アノテートされた高品質なRGBD画像からなる実際のデータセットを5段階の難易度と,異なるオブジェクトおよびレイアウト特性を評価するための見えないオブジェクトセットに分割する。
論文参考訳（メタデータ） (2022-08-08T08:15:34Z)
NeRF-Supervision: Learning Dense Object Descriptors from Neural Radiance Fields [54.27264716713327]
シーンのニューラル・ラジアンス・フィールド(NeRF)表現は,高密度物体記述子の訓練に利用できることを示す。我々は、最適化されたNeRFを用いて、オブジェクトの複数のビュー間の密接な対応を抽出し、これらの対応を、オブジェクトのビュー不変表現を学習するためのトレーニングデータとして使用する。また,本手法により教師されたディエンス対応モデルは,市販の学習ディスクリプタよりも106%優れていた。
論文参考訳（メタデータ） (2022-03-03T18:49:57Z)
Classification of PS and ABS Black Plastics for WEEE Recycling Applications [63.942632088208505]
本研究の目的は,ポリスチレン (PS) 型とアクリロニトリルブタジエン (ABS) 型の黒色プラスチックを用いて,異なる種類のプラスチックを分類できるシステムを作ることである。畳み込みニューラルネットワークのテストと再訓練が行われ、95%の精度が得られた。別個のテストセットを使用して平均精度は86.6%まで低下するが、結果を見てみるとABS型が100%正確に分類されていることが分かるため、すべてのエラーを蓄積するPS型である。
論文参考訳（メタデータ） (2021-10-20T12:47:18Z)
On the impact of using X-ray energy response imagery for object detection via Convolutional Neural Networks [17.639472693362926]
我々は,X線エネルギー応答(高,低)と有効Zの影響について,測地値と比較して検討した。我々は、CNNアーキテクチャを評価し、そのような「Raw」変種画像で訓練されたモデルの転送可能性について検討する。
論文参考訳（メタデータ） (2021-08-27T21:28:28Z)
Data-Driven Discovery of Molecular Photoswitches with Multioutput Gaussian Processes [51.17758371472664]
フォトウィッチ可能な分子は、光によってアクセスされる2つ以上の異性体である。本稿では、データセットキュレーションとマルチタスク学習を基盤とした、分子フォトウィッチのためのデータ駆動探索パイプラインを提案する。提案手法は, 市販フォトウィッチ可能な分子のライブラリーをスクリーニングし, 実験的に検証した。
論文参考訳（メタデータ） (2020-06-28T20:59:03Z)

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。