Fugu-MT 論文翻訳(概要): Leveraging Multi-view Data for Improved Detection Performance: An Industrial Use Case

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

Boosting 3D Object Detection with Semantic-Aware Multi-Branch Framework [44.44329455757931]
自律走行では、LiDARセンサーは3Dポイントの雲の取得に不可欠であり、信頼できる幾何学的情報を提供する。従来の前処理のサンプリング手法は意味的特徴を無視することが多く、詳細な損失や接地点干渉を引き起こす。本稿では,Semantic-aware Multi-branch Smpling (SMS)モジュールとマルチビュー制約を用いたマルチブランチ2次元オブジェクト検出フレームワークを提案する。
論文参考訳（メタデータ） (2024-07-08T09:25:45Z)
SOOD++: Leveraging Unlabeled Data to Boost Oriented Object Detection [59.868772767818975]
本稿では,SOOD++ と呼ばれる簡易かつ効果的な半教師付きオブジェクト指向検出手法を提案する。具体的には、空中画像からの物体は、通常任意の向き、小さなスケール、集約である。様々なラベル付き環境下での多目的オブジェクトデータセットに対する大規模な実験により,本手法の有効性が示された。
論文参考訳（メタデータ） (2024-07-01T07:03:51Z)
Better Sampling, towards Better End-to-end Small Object Detection [7.7473020808686694]
限られた特性と高密度と相互重なり合いのため、小さな物体検出は不満足なままである。エンド・ツー・エンド・フレームワークにおけるサンプリングの強化手法を提案する。我々のモデルは、VisDroneデータセット上での最先端(SOTA)よりも平均精度(AP)が2.9%向上することを示す。
論文参考訳（メタデータ） (2024-05-17T04:37:44Z)
Efficient Meta-Learning Enabled Lightweight Multiscale Few-Shot Object Detection in Remote Sensing Images [15.12889076965307]
YOLOv7ワンステージ検出器は、新しいメタラーニングトレーニングフレームワークが組み込まれている。この変換により、検出器はFSODのタスクに十分対応できると同時に、その固有の軽量化の利点を活かすことができる。提案検出器の有効性を検証するため, 現状の検出器と性能比較を行った。
論文参考訳（メタデータ） (2024-04-29T04:56:52Z)
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)
SimPLR: A Simple and Plain Transformer for Scaling-Efficient Object Detection and Segmentation [49.65221743520028]
本研究は, 背骨と頭部が非階層的であり, 単一スケールの機能で動作するSimPLRを, スケール認識型トランスフォーマーベース検出器により検出できることを示す。マルチスケールおよびシングルスケールの最先端と比較して、我々のモデルはより大きなキャパシティ(自己監督型)モデルとより事前学習データにより、はるかに良くスケールする。
論文参考訳（メタデータ） (2023-10-09T17:59:26Z)
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)
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)
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)

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。