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
- Multimodal Industrial Anomaly Detection by Crossmodal Feature Mapping [13.592619256889815]
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) - PM-DETR: Domain Adaptive Prompt Memory for Object Detection with
Transformers [25.812325027602252]
トランスフォーマーベースの検出器(DETR)は、エンドツーエンドのオブジェクト検出に顕著な性能を示した。
DETRを異なるデータ分散に転送すると、パフォーマンスが大幅に低下する可能性がある。
本稿では,検出変圧器を異なる分布に適応させるための階層型Prompt Domain Memory (PDM)を提案する。
論文 参考訳(メタデータ) (2023-07-01T12:02:24Z) - 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) - Compressed Smooth Sparse Decomposition [3.8644240125444]
本稿では,画像中のスパース異常検出の理論的性能を保証する高速かつデータ効率の手法を提案する。
提案手法は,圧縮画像取得と分解に基づく画像処理技術を統合する一段階法として,圧縮平滑スパース分解法 (CSSD) と命名された。
従来のスムーズかつスパースな分解アルゴリズムと比較して、伝送コストの大幅な削減と計算速度の向上は無視できる性能損失で達成できる。
論文 参考訳(メタデータ) (2022-01-19T03:50:41Z) - Plug-and-Play Few-shot Object Detection with Meta Strategy and Explicit
Localization Inference [78.41932738265345]
本稿では, 微調整を行なわずに新しいカテゴリーの物体を正確に検出できるプラグ検出器を提案する。
局所化プロセスに2つの明示的な推論を導入し、アノテーション付きデータへの依存を減らす。
これは、様々な評価プロトコルの下で、効率、精度、リコールの両方において大きなリードを示している。
論文 参考訳(メタデータ) (2021-10-26T03:09:57Z) - 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) - Change Point Detection in Time Series Data using Autoencoders with a
Time-Invariant Representation [69.34035527763916]
変化点検出(CPD)は、時系列データにおける急激な特性変化を見つけることを目的としている。
近年のCDD法は、深層学習技術を用いる可能性を示したが、信号の自己相関統計学におけるより微妙な変化を識別する能力に欠けることが多い。
我々は、新しい損失関数を持つオートエンコーダに基づく手法を用い、使用済みオートエンコーダは、CDDに適した部分的な時間不変表現を学習する。
論文 参考訳(メタデータ) (2020-08-21T15:03:21Z)
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。