論文の概要: Cyclegan Network for Sheet Metal Welding Drawing Translation
- arxiv url: http://arxiv.org/abs/2209.14106v1
- Date: Wed, 28 Sep 2022 13:55:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-29 16:30:42.372731
- Title: Cyclegan Network for Sheet Metal Welding Drawing Translation
- Title（参考訳）: 板金溶接図面翻訳用サイクガンネットワーク
- Authors: Zhiwei Song, Hui Yao, Dan Tian, Gaohui Zhan
- Abstract要約: 本稿では,CycleGAN(CycleGAN)に基づく溶接構造工学図面の自動翻訳手法を提案する。
実溶接工学図面の特徴マッピングを学習するために, 無人転写学習のCycleGANネットワークモデルを用いる。
我々のモデルでトレーニングした後、溶接工学図面のPSNR、SSIM、MSEはそれぞれ44.89%、99.58%、そして2.11に達する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In intelligent manufacturing, the quality of machine translation engineering
drawings will directly affect its manufacturing accuracy. Currently, most of
the work is manually translated, greatly reducing production efficiency. This
paper proposes an automatic translation method for welded structural
engineering drawings based on Cyclic Generative Adversarial Networks
(CycleGAN). The CycleGAN network model of unpaired transfer learning is used to
learn the feature mapping of real welding engineering drawings to realize
automatic translation of engineering drawings. U-Net and PatchGAN are the main
network for the generator and discriminator, respectively. Based on removing
the identity mapping function, a high-dimensional sparse network is proposed to
replace the traditional dense network for the Cyclegan generator to improve
noise robustness. Increase the residual block hidden layer to increase the
resolution of the generated graph. The improved and fine-tuned network models
are experimentally validated, computing the gap between real and generated
data. It meets the welding engineering precision standard and solves the main
problem of low drawing recognition efficiency in the welding manufacturing
process. The results show. After training with our model, the PSNR, SSIM and
MSE of welding engineering drawings reach about 44.89%, 99.58% and 2.11,
respectively, which are superior to traditional networks in both training speed
and accuracy.
- Abstract（参考訳）: インテリジェントな製造では、機械翻訳工学図面の品質が製造精度に直接影響を与える。
現在、ほとんどの作業は手作業で翻訳されており、生産効率が大幅に低下している。
本稿では,循環生成型逆向ネットワーク(cyclegan)に基づく溶接構造図の自動翻訳手法を提案する。
非対流伝達学習のサイクガンネットワークモデルを用いて、実際の溶接工学図の特徴マッピングを学習し、工学図の自動翻訳を実現する。
U-NetとPatchGANは、それぞれジェネレータと識別器のメインネットワークである。
同一性マッピング関数の除去に基づく高次元スパースネットワークの提案により, サイクロン発生器の高密度ネットワークを置き換え, ノイズロバスト性を向上させる。
生成されたグラフの解像度を高めるために、残留ブロック隠蔽層を増やす。
改良および微調整されたネットワークモデルは実験的に検証され、実データと生成されたデータの間のギャップを計算する。
溶接技術精度基準を満たし、溶接製造工程における描画認識効率の低下の主な課題を解決する。
結果が示される。
我々のモデルでトレーニングした後、PSNR、SSIM、MSEは、それぞれ44.89%、99.58%、および2.11に達し、トレーニング速度と精度の両方において従来のネットワークよりも優れている。
関連論文リスト
- Efficient generative adversarial networks using linear additive-attention Transformers [0.8287206589886879]
本稿では,Ladaformer という線形アテンショントランスフォーマーブロックに基づく新しい GAN アーキテクチャを提案する。
LadaGANは、さまざまな解像度のベンチマークデータセットにおいて、既存の畳み込みGANとTransformer GANを一貫して上回る。
LadaGANは、最先端のマルチステップ生成モデルと比較して、競争性能を示している。
論文 参考訳（メタデータ） (2024-01-17T21:08:41Z) - A Comprehensive End-to-End Computer Vision Framework for Restoration and
Recognition of Low-Quality Engineering Drawings [19.375278164300987]
本稿では,低品質なエンジニアリング図面の復元と認識に焦点を当てる。
図面の品質を向上し,図面上の図形記号を識別するために,エンドツーエンドのフレームワークを提案する。
実世界の電気図の実験では、提案されたフレームワークは98.98%の精度と99.33%のリコールを達成した。
論文 参考訳（メタデータ） (2023-12-21T07:22:25Z) - A Generative Approach for Production-Aware Industrial Network Traffic
Modeling [70.46446906513677]
ドイツにあるTrumpf工場に配備されたレーザー切断機から発生するネットワークトラフィックデータについて検討した。
我々は、トラフィック統計を分析し、マシンの内部状態間の依存関係をキャプチャし、ネットワークトラフィックを生産状態依存プロセスとしてモデル化する。
可変オートエンコーダ(VAE)、条件付き可変オートエンコーダ(CVAE)、生成逆ネットワーク(GAN)など、様々な生成モデルの性能の比較を行った。
論文 参考訳（メタデータ） (2022-11-11T09:46:58Z) - An Adversarial Active Sampling-based Data Augmentation Framework for
Manufacturable Chip Design [55.62660894625669]
リソグラフィーモデリングは、チップ設計マスクが製造可能であることを保証するため、チップ設計において重要な問題である。
機械学習の最近の進歩は、時間を要するリソグラフィーシミュレーションをディープニューラルネットワークに置き換えるための代替ソリューションを提供している。
本稿では,限られたデータのジレンマを解消し,機械学習モデルの性能を向上させるために,データ拡張フレームワークを提案する。
論文 参考訳（メタデータ） (2022-10-27T20:53:39Z) - Segmentation method of U-net sheet metal engineering drawing based on
CBAM attention mechanism [0.0]
本稿では, 溶接工法における特定ユニットの分割抽出のためのU-net法を提案する。
バックボーンネットワークとしてvgg16を用いて、溶接エンジニアリングのデータセットセグメンテーションタスクにおける我々のモデルのIoU、mAP、Accuはそれぞれ84.72%、86.84%、99.42%であることを確認した。
論文 参考訳（メタデータ） (2022-09-28T13:49:45Z) - LHNN: Lattice Hypergraph Neural Network for VLSI Congestion Prediction [70.31656245793302]
格子ハイパーグラフ(格子ハイパーグラフ)は、回路のための新しいグラフ定式化である。
LHNNは、F1スコアのU-netやPix2Pixと比べて、35%以上の改善を常に達成している。
論文 参考訳（メタデータ） (2022-03-24T03:31:18Z) - Transformer-based SAR Image Despeckling [53.99620005035804]
本稿では,SAR画像復号化のためのトランスフォーマーネットワークを提案する。
提案する非特定ネットワークは、トランスフォーマーベースのエンコーダにより、異なる画像領域間のグローバルな依存関係を学習することができる。
実験により,提案手法は従来型および畳み込み型ニューラルネットワークに基づく解法よりも大幅に改善されていることが示された。
論文 参考訳（メタデータ） (2022-01-23T20:09:01Z) - Self-Compression in Bayesian Neural Networks [0.9176056742068814]
ベイジアンフレームワークによるネットワーク圧縮に関する新たな知見を提案する。
ベイズニューラルネットワークがモデルパラメータの冗長性を自動的に検出し,自己圧縮を可能にすることを示す。
実験の結果,ネットワーク自体が特定したパラメータを削除することで,ネットワークアーキテクチャの圧縮に成功できることが示唆された。
論文 参考訳（メタデータ） (2021-11-10T21:19:40Z) - Efficient pre-training objectives for Transformers [84.64393460397471]
本研究はトランスフォーマーモデルにおける高効率事前学習目標について検討する。
マスクトークンの除去と損失時のアウトプット全体の考慮が,パフォーマンス向上に不可欠な選択であることを証明する。
論文 参考訳（メタデータ） (2021-04-20T00:09:37Z) - Learning Efficient GANs for Image Translation via Differentiable Masks
and co-Attention Distillation [130.30465659190773]
Generative Adversarial Networks (GAN) は画像翻訳において広く利用されているが、その高い計算とストレージコストがモバイルデバイスへの展開を妨げる。
DMADと呼ばれる新しいGAN圧縮手法を提案する。
実験の結果、DMADはCycleGANのMultiply Accumulate Operations (MAC)を13倍、Pix2Pixを4倍削減し、フルモデルに匹敵する性能を維持することができた。
論文 参考訳（メタデータ） (2020-11-17T02:39:19Z)
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。