論文の概要: FAPM: Fast Adaptive Patch Memory for Real-time Industrial Anomaly Detection

• arxiv url: http://arxiv.org/abs/2211.07381v1
• Date: Mon, 14 Nov 2022 14:10:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-15 18:42:29.157369
• Title: FAPM: Fast Adaptive Patch Memory for Real-time Industrial Anomaly Detection
• Title（参考訳）: FAPM: リアルタイム産業異常検出のための高速適応パッチメモリ
• Authors: Donghyeong Kim, Chaewon Park, Suhwan Cho and Sangyoun Lee
• Abstract要約: 本稿では,ファストアダプティブ・パッチ・メモリ(FAPM)を用いたリアルタイム産業異常検出手法を提案する。 FAPMは、パッチレベルとレイヤレベルのイメージの埋め込み機能を節約する、パッチワイドとレイヤワイドのメモリバンクで構成されている。 FAPMは、他の最先端手法と比較して精度と速度の両方で良好に機能する。
• 参考スコア（独自算出の注目度）: 3.3618231694900924
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Feature embedding-based methods have performed exceptionally well in detecting industrial anomalies by comparing the features of the target image and the normal image. However, such approaches do not consider the inference speed, which is as important as accuracy in real-world applications. To relieve this issue, we propose a method called fast adaptive patch memory (FAPM) for real-time industrial anomaly detection. FAPM consists of patch-wise and layer-wise memory banks that save the embedding features of images in patch-level and layer-level, eliminating unnecessary repeated calculations. We also propose patch-wise adaptive coreset sampling for fast and accurate detection. FAPM performs well for both accuracy and speed compared to other state-of-the-art methods.
• Abstract（参考訳）: 特徴埋め込みに基づく手法は, 対象画像の特徴と正常画像の特徴を比較することで, 産業的異常の検出に非常に有用である。 しかし、そのような手法は、現実のアプリケーションでは精度と同じくらい重要な推論速度を考慮しない。 この問題を解消するために,実時間産業異常検出のための高速適応型パッチメモリ(FAPM)を提案する。 FAPMはパッチ単位とレイヤ単位のメモリバンクで構成され、パッチレベルとレイヤレベルのイメージの埋め込み機能を節約し、不要な繰り返し計算を排除している。 また、高速かつ正確な検出のためのパッチワイド適応コアセットサンプリングを提案する。 FAPMは、他の最先端手法と比較して精度と速度の両方で良好に機能する。

関連論文リスト

• Patch-aware Vector Quantized Codebook Learning for Unsupervised Visual Defect Detection [4.081433571732692]
  産業応用においては、教師なしの視覚欠陥検出が重要である。 教師なし欠陥検出に最適化された拡張VQ-VAEフレームワークを用いた新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-01-15T22:26:26Z)
• Looking for Tiny Defects via Forward-Backward Feature Transfer [12.442574943138794]
  そこで本研究では,従来の高解像度画像と地中トラスマスクの手法を評価する新しいベンチマークを提案する。 私たちのベンチマークには、欠陥サイズに関する堅牢性をキャプチャするメトリクスが含まれています。 提案手法は,欠陥サイズに対する高いロバスト性,高速動作,最先端セグメンテーション性能を特徴とする。
  論文  参考訳（メタデータ） (2024-07-04T17:59:26Z)
• SoftPatch: Unsupervised Anomaly Detection with Noisy Data [67.38948127630644]
  本稿では,画像センサ異常検出におけるラベルレベルのノイズを初めて考察する。 本稿では,メモリベースの非教師付きAD手法であるSoftPatchを提案する。 既存の手法と比較して、SoftPatchは通常のデータの強力なモデリング能力を維持し、コアセットにおける過信問題を軽減する。
  論文  参考訳（メタデータ） (2024-03-21T08:49:34Z)
• Multimodal Industrial Anomaly Detection by Crossmodal Feature Mapping [12.442574943138794]
  本稿では、点雲とRGB画像を利用して異常をローカライズする産業用マルチモーダル異常検出(AD)タスクについて検討する。 我々は,新しい軽量かつ高速なフレームワークを導入し,特徴を1つのモダリティからもう1つのモダリティへのマップを,名目標本上で学習する。
  論文  参考訳（メタデータ） (2023-12-07T18:41:21Z)
• 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)
• Hard-normal Example-aware Template Mutual Matching for Industrial Anomaly Detection [78.734927709231]
  異常検出器は、クエリー画像の未知の欠陥を検出し、ローカライズするために工業製造で広く使われている。 これらの検出器は異常のないサンプルで訓練され、ほとんどの通常のサンプルと区別された異常を成功させた。 しかし、ハードノーマルな例は、ほとんどの通常のサンプルから遠く離れており、しばしば既存の方法によって異常と誤認される。
  論文  参考訳（メタデータ） (2023-03-28T17:54:56Z)
• BALF: Simple and Efficient Blur Aware Local Feature Detector [14.044093492945334]
  局所特徴検出は多くの画像処理とコンピュータビジョンアプリケーションの主要な要素である。 本稿では,不明瞭な画像中の有意なキーポイントを正確に局所化できる,効率的かつ効果的なキーポイント検出法を提案する。 本手法は, 新たな多層パーセプトロン(MLP)アーキテクチャの利点を生かし, ぼやけた画像の検出再現性を著しく向上させる。
  論文  参考訳（メタデータ） (2022-11-27T05:29:57Z)
• MemSeg: A semi-supervised method for image surface defect detection using differences and commonalities [14.84756881356891]
  本稿では,産業製品の表面欠陥を検出するために,エンドツーエンドのメモリベースセグメンテーションネットワーク(MemSeg)を提案する。 MemSegは、ネットワークの学習を支援するために、人工的にシミュレーションされた異常サンプルとメモリサンプルを導入している。 MemSeg は AUC スコアが 99.56% と 98.84% の MVTec AD データセット上での最先端 (SOTA) のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2022-05-02T13:37:12Z)
• Bandit Quickest Changepoint Detection [55.855465482260165]
  すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。 有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。 本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
  論文  参考訳（メタデータ） (2021-07-22T07:25:35Z)
• A Hierarchical Transformation-Discriminating Generative Model for Few Shot Anomaly Detection [93.38607559281601]
  各トレーニングイメージのマルチスケールパッチ分布をキャプチャする階層的生成モデルを開発した。 この異常スコアは、スケール及び画像領域にわたる正しい変換のパッチベースの投票を集約して得られる。
  論文  参考訳（メタデータ） (2021-04-29T17:49:48Z)
• HM4: Hidden Markov Model with Memory Management for Visual Place Recognition [54.051025148533554]
  自律運転における視覚的位置認識のための隠れマルコフモデルを提案する。 我々のアルゴリズムはHM$4$と呼ばれ、時間的ルックアヘッドを利用して、有望な候補画像をパッシブストレージとアクティブメモリ間で転送する。 固定被覆領域に対して一定の時間と空間推定が可能であることを示す。
  論文  参考訳（メタデータ） (2020-11-01T08:49:24Z)

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。