論文の概要: Instance Segmentation Based Graph Extraction for Handwritten Circuit Diagram Images

• arxiv url: http://arxiv.org/abs/2301.03155v1
• Date: Mon, 9 Jan 2023 03:00:20 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-10 17:09:19.400446
• Title: Instance Segmentation Based Graph Extraction for Handwritten Circuit Diagram Images
• Title（参考訳）: 手書き回路図画像に対するインスタンスセグメンテーションに基づくグラフ抽出
• Authors: Johannes Bayer, Amit Kumar Roy, Andreas Dengel
• Abstract要約: 本稿では, インスタンス分割とキーポイント抽出の手法を用いて, 電気的成分(端末とテキストの記述を含む)を抽出するアプローチについて述べる。 得られたグラフ抽出プロセスは、モデル推論と自明な幾何学的キーポイントマッチングの2段階からなる。
• 参考スコア（独自算出の注目度）: 4.365209337828563
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Handwritten circuit diagrams from educational scenarios or historic sources usually exist on analogue media. For deriving their functional principles or flaws automatically, they need to be digitized, extracting their electrical graph. Recently, the base technologies for automated pipelines facilitating this process shifted from computer vision to machine learning. This paper describes an approach for extracting both the electrical components (including their terminals and describing texts) as well their interconnections (including junctions and wire hops) by the means of instance segmentation and keypoint extraction. Consequently, the resulting graph extraction process consists of a simple two-step process of model inference and trivial geometric keypoint matching. The dataset itself, its preparation, model training and post-processing are described and publicly available.
• Abstract（参考訳）: 教育シナリオや歴史資料からの手書き回路図は、通常アナログメディア上に存在している。 機能原理や欠陥を自動的に導き出すためには、電子グラフを抽出してデジタル化する必要がある。 近年,このプロセスを促進する自動化パイプラインの基礎技術が,コンピュータビジョンから機械学習に移行した。 本稿では,電気部品(端末やテキストを含む)と相互接続(ジャンクションやワイヤホップを含む)の両方を事例分割とキーポイント抽出により抽出するアプローチについて述べる。 その結果、グラフ抽出プロセスはモデル推論の単純な2段階のプロセスと自明な幾何学的キーポイントマッチングからなる。 データセット自体、準備、モデルトレーニング、後処理が説明され、公開されている。

関連論文リスト

• Modular Graph Extraction for Handwritten Circuit Diagram Images [5.780326596446099]
  手描きの回路図は現在も教育分野で使われており、訓練生や学生がこの種の図を描くことを学ぶための容易な手段となっている。 デジタル回路表現の能力を活用するためには、グラフィックから電気グラフを抽出する自動手段が必要である。 本稿では、個別のサブタスクに対するアプローチを評価して新しいベースラインを形成する、大規模でパブリックなデータセット上のモジュラー・エンド・ツー・エンドのソリューションについて述べる。
  論文  参考訳（メタデータ） (2024-02-16T21:39:28Z)
• LineFormer: Rethinking Line Chart Data Extraction as Instance Segmentation [0.07521357985302306]
  LineFormerは、インスタンスセグメンテーションを使ったラインデータ抽出に対する堅牢なアプローチである。 いくつかのベンチマーク合成および実グラフデータセットで最先端の性能を実現する。
  論文  参考訳（メタデータ） (2023-05-03T00:38:24Z)
• You Only Transfer What You Share: Intersection-Induced Graph Transfer Learning for Link Prediction [79.15394378571132]
  従来見過ごされていた現象を調査し、多くの場合、元のグラフに対して密に連結された補グラフを見つけることができる。 より密度の高いグラフは、選択的で有意義な知識を伝達するための自然なブリッジを提供する元のグラフとノードを共有することができる。 この設定をグラフインターセクション誘導トランスファーラーニング(GITL)とみなし,eコマースや学術共同オーサシップ予測の実践的応用に動機づけられた。
  論文  参考訳（メタデータ） (2023-02-27T22:56:06Z)
• Curriculum Graph Machine Learning: A Survey [51.89783017927647]
  カリキュラムグラフ機械学習(Graph CL)は、グラフ機械学習とカリキュラム学習の強みを統合する。 本稿では,グラフCLのアプローチを概観し,最近の研究動向を概観する。
  論文  参考訳（メタデータ） (2023-02-06T16:59:25Z)
• What does Transformer learn about source code? [26.674180481543264]
  トランスをベースとした表現モデルは、多くのタスクで最先端(SOTA)のパフォーマンスを達成した。 本稿では,変換器が学習した構造情報を調べる手法であるアグリゲートアテンションスコアを提案する。 また、事前学習したモデルからプログラムグラフを自動的に抽出する新しい方法である、集約されたアテンショングラフも提案した。
  論文  参考訳（メタデータ） (2022-07-18T09:33:04Z)
• Semantic keypoint-based pose estimation from single RGB frames [64.80395521735463]
  一つのRGB画像からオブジェクトの連続6-DoFポーズを推定する手法を提案する。 このアプローチは、畳み込みネットワーク(convnet)によって予測されるセマンティックキーポイントと、変形可能な形状モデルを組み合わせる。 提案手法は,インスタンスベースのシナリオとクラスベースのシナリオの両方に対して,6-DoFオブジェクトのポーズを正確に復元できることを示す。
  論文  参考訳（メタデータ） (2022-04-12T15:03:51Z)
• Learning to Generate Scene Graph from Natural Language Supervision [52.18175340725455]
  シーングラフと呼ばれる画像内の局所化オブジェクトとその関係をグラフィカルに表現するために,画像と文のペアから学習する最初の方法の1つを提案する。 既製のオブジェクト検出器を利用してオブジェクトのインスタンスを識別し、ローカライズし、検出された領域のラベルとキャプションから解析された概念をマッチングし、シーングラフを学習するための"擬似ラベル"を作成する。
  論文  参考訳（メタデータ） (2021-09-06T03:38:52Z)
• A Neural Edge-Editing Approach for Document-Level Relation Graph Extraction [9.449257113935461]
  文書内の関係をエンティティ間の関係グラフとして扱う。 関係グラフは、初期グラフのエッジを編集することによって反復的に構成される。 エッジを編集する方法は、それらをクローズファーストな方法で分類することです。
  論文  参考訳（メタデータ） (2021-06-18T03:46:49Z)
• Integrating 2D and 3D Digital Plant Information Towards Automatic Generation of Digital Twins [35.37983668316551]
  業界4.0の標準化は、パイプとインスツルメンテーションダイアグラムのツールベンダー中立表現と3Dパイプルーティングをサポートする。 配管・インスツルメンテーション図や3次元CADモデルからタンクやポンプなどの対応する要素を識別するアルゴリズムを開発する必要がある。 本稿では,グラフマッチングの前提条件として,グラフの自動生成に焦点を当てる。
  論文  参考訳（メタデータ） (2021-04-05T11:07:05Z)
• Structural Information Preserving for Graph-to-Text Generation [59.00642847499138]
  グラフ・トゥ・テキスト生成の課題は、入力グラフの意味を保存した文を生成することである。 入力情報を保存するためのモデルとして,より豊かなトレーニング信号を活用することで,この問題に取り組むことを提案する。 グラフからテキストへの生成のための2つのベンチマークに関する実験は、最先端のベースラインに対するアプローチの有効性を示しています。
  論文  参考訳（メタデータ） (2021-02-12T20:09:01Z)
• Distributed Training of Graph Convolutional Networks using Subgraph Approximation [72.89940126490715]
  本稿では,グラフの複数の分割にまたがる失われる情報をサブグラフ近似スキームで緩和するトレーニング戦略を提案する。 サブグラフ近似アプローチは、分散トレーニングシステムが単一マシン精度で収束するのに役立つ。
  論文  参考訳（メタデータ） (2020-12-09T09:23:49Z)

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。