論文の概要: Leveraging Multi-view Data for Improved Detection Performance: An
Industrial Use Case
- arxiv url: http://arxiv.org/abs/2304.08111v1
- Date: Mon, 17 Apr 2023 09:41:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-18 15:44:10.176475
- Title: Leveraging Multi-view Data for Improved Detection Performance: An
Industrial Use Case
- Title(参考訳): マルチビューデータを活用した検出性能の向上:産業用ユースケース
- Authors: Faranak Shamsafar, Sunil Jaiswal, Benjamin Kelkel, Kireeti Bodduna,
Klaus Illgner-Fehns
- Abstract要約: 高速かつ正確なソリューションを提供する多視点オブジェクト検出フレームワークを提案する。
本稿では,半自動地下構造データを用いた新しいマルチビューデータセットを提案する。
実験では, 0.5mmから27.0mmの成分を検出するため, mAPの15%の改善が示された。
- 参考スコア(独自算出の注目度): 0.5249805590164901
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Printed circuit boards (PCBs) are essential components of electronic devices,
and ensuring their quality is crucial in their production. However, the vast
variety of components and PCBs manufactured by different companies makes it
challenging to adapt to production lines with speed demands. To address this
challenge, we present a multi-view object detection framework that offers a
fast and precise solution. We introduce a novel multi-view dataset with
semi-automatic ground-truth data, which results in significant labeling
resource savings. Labeling PCB boards for object detection is a challenging
task due to the high density of components and the small size of the objects,
which makes it difficult to identify and label them accurately. By training an
object detector model with multi-view data, we achieve improved performance
over single-view images. To further enhance the accuracy, we develop a
multi-view inference method that aggregates results from different viewpoints.
Our experiments demonstrate a 15% improvement in mAP for detecting components
that range in size from 0.5 to 27.0 mm.
- Abstract(参考訳): プリント回路基板(PCB)は電子機器の重要な構成要素であり、その品質が製造に不可欠である。
しかし、様々な企業が製造する様々な部品やPCBは、速度の要求に応じて生産ラインに適応することを困難にしている。
この課題に対処するために,高速かつ正確なソリューションを提供する多視点オブジェクト検出フレームワークを提案する。
本稿では,半自動地下構造データを用いた新しいマルチビューデータセットを提案する。
オブジェクト検出のためのPCBボードのラベル付けは、コンポーネントの密度が高く、オブジェクトのサイズが小さいため難しい作業であり、正確な識別とラベル付けが困難である。
マルチビューデータを用いた物体検出モデルのトレーニングにより,単視点画像に対する性能向上を実現する。
精度をさらに高めるために,異なる視点から結果を集約する多視点推論手法を開発した。
実験では, 0.5mmから27.0mmの成分を検出するため, mAPの15%の改善が示された。
関連論文リスト
- Towards Automatic Power Battery Detection: New Challenge, Benchmark
Dataset and Baseline [70.30473488226093]
PBD(パワーバッテリ検出)と呼ばれる新しいタスクに関する総合的研究を行う。
X線画像から高密度陰極と陽極板のエンドポイントをローカライズし、電池の品質を評価することを目的としている。
我々は,多次元協調ネットワーク(MDCNet)と呼ばれるPBDのための新しいセグメンテーションベースソリューションを提案する。
論文 参考訳(メタデータ) (2023-12-05T06:18:38Z) - High-Resolution Vision Transformers for Pixel-Level Identification of
Structural Components and Damage [1.8923948104852863]
視覚変換器とラプラシアピラミッドスケーリングネットワークに基づくセマンティックセグメンテーションネットワークを開発した。
提案手法は,橋梁検査報告画像のデータセットに関する総合的な実験を通じて評価されている。
論文 参考訳(メタデータ) (2023-08-06T03:34:25Z) - Active Learning for Object Detection with Non-Redundant Informative
Sampling [1.7602289331729377]
我々の戦略は、不確実性と多様性に基づく選択原則を共同選択目標に統合する。
提案したNORISアルゴリズムは,サンプルを用いたトレーニングが他の類似サンプルの情報伝達性に与える影響を定量的に評価する。
PASCAL-VOC と KITTI のランダム選択と比較して,ラベリングコストの 20% と 30% の削減を実現している。
論文 参考訳(メタデータ) (2023-07-17T11:55:20Z) - A novel Multi to Single Module for small object detection [2.920753968664803]
小さな物体検出器の性能は、しばしばピクセルの欠如と重要な特徴の欠如によって損なわれる。
本稿では,特徴抽出と精細化を改良し,特定の層を拡張したMulti to Single Module (M2S)を提案する。
提案手法の有効性をVisDrone2021-DETとSeaDronesSeeV2の2つのデータセットで評価した。
論文 参考訳(メタデータ) (2023-03-27T08:17:22Z) - A Simple Baseline for Multi-Camera 3D Object Detection [94.63944826540491]
周囲のカメラで3Dオブジェクトを検出することは、自動運転にとって有望な方向だ。
マルチカメラオブジェクト検出のための簡易ベースラインであるSimMODを提案する。
我々は, nuScenes の3次元オブジェクト検出ベンチマークにおいて, SimMOD の有効性を示す広範囲な実験を行った。
論文 参考訳(メタデータ) (2022-08-22T03:38:01Z) - 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) - Unified Chinese License Plate Detection and Recognition with High
Efficiency [3.0279719282256137]
ディープラーニング手法は、ライセンスプレート(LP)検出および認識タスクにおいて優れたパフォーマンスを達成した。
大規模で代表的なデータセットが不足しているため、中国のLPのための堅牢なモデルを構築することは依然として困難である。
我々は、多目的の中国LP画像を含む中国道路プレートデータセット(CRPD)という新しいデータセットを提案する。
論文 参考訳(メタデータ) (2022-05-07T07:35:51Z) - MetaGraspNet: A Large-Scale Benchmark Dataset for Vision-driven Robotic
Grasping via Physics-based Metaverse Synthesis [78.26022688167133]
本稿では,物理に基づくメタバース合成による視覚駆動型ロボットグルーピングのための大規模ベンチマークデータセットを提案する。
提案するデータセットには,10万の画像と25種類のオブジェクトが含まれている。
また,オブジェクト検出とセグメンテーション性能を評価するためのデータセットとともに,新しいレイアウト重み付け性能指標を提案する。
論文 参考訳(メタデータ) (2021-12-29T17:23:24Z) - Salient Objects in Clutter [130.63976772770368]
本稿では,既存の正当性オブジェクト検出(SOD)データセットの重大な設計バイアスを特定し,対処する。
この設計バイアスは、既存のデータセットで評価した場合、最先端のSODモデルのパフォーマンスの飽和につながった。
我々は,新しい高品質データセットを提案し,前回のsaliencyベンチマークを更新する。
論文 参考訳(メタデータ) (2021-05-07T03:49:26Z) - Stance Detection Benchmark: How Robust Is Your Stance Detection? [65.91772010586605]
Stance Detection (StD) は、あるトピックやクレームに対する著者の姿勢を検出することを目的としている。
マルチデータセット学習環境において、さまざまなドメインの10のStDデータセットから学習するStDベンチマークを導入する。
このベンチマーク設定では、5つのデータセットに新しい最先端結果を表示することができます。
論文 参考訳(メタデータ) (2020-01-06T13:37:51Z)
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。