論文の概要: Component-aware anomaly detection framework for adjustable and logical industrial visual inspection

• arxiv url: http://arxiv.org/abs/2305.08509v1
• Date: Mon, 15 May 2023 10:18:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-16 15:02:10.780079
• Title: Component-aware anomaly detection framework for adjustable and logical industrial visual inspection
• Title（参考訳）: 調整可能・論理的産業視覚検査のためのコンポーネント認識異常検出フレームワーク
• Authors: Tongkun Liu, Bing Li, Xiao Du, Bingke Jiang, Xiao Jin, Liuyi Jin, Zhuo Zhao
• Abstract要約: 我々は新しいコンポーネント認識異常検出フレームワーク(ComAD)を提案する。 産業シナリオに対する調整可能かつ論理的異常検出を同時に達成することができる。 本フレームワークは,画像レベルの論理異常検出における最先端性能を実現する。
• 参考スコア（独自算出の注目度）: 4.444590838289701
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Industrial visual inspection aims at detecting surface defects in products during the manufacturing process. Although existing anomaly detection models have shown great performance on many public benchmarks, their limited adjustability and ability to detect logical anomalies hinder their broader use in real-world settings. To this end, in this paper, we propose a novel component-aware anomaly detection framework (ComAD) which can simultaneously achieve adjustable and logical anomaly detection for industrial scenarios. Specifically, we propose to segment images into multiple components based on a lightweight and nearly training-free unsupervised semantic segmentation model. Then, we design an interpretable logical anomaly detection model through modeling the metrological features of each component and their relationships. Despite its simplicity, our framework achieves state-of-the-art performance on image-level logical anomaly detection. Meanwhile, segmenting a product image into multiple components provides a novel perspective for industrial visual inspection, demonstrating great potential in model customization, noise resistance, and anomaly classification. The code will be available at https://github.com/liutongkun/ComAD.
• Abstract（参考訳）: 産業視覚検査は製造工程中の製品の表面欠陥を検出することを目的としている。 既存の異常検出モデルは、多くの公開ベンチマークで優れたパフォーマンスを示しているが、その限定的な調整性と論理的異常を検出する能力は、現実の環境での利用を妨げている。 そこで本研究では,産業シナリオに対する適応性および論理的異常検出を同時に実現する新しいコンポーネント認識異常検出フレームワーク(ComAD)を提案する。 具体的には,軽量でほぼトレーニング不要な非教師なしセマンティクスセグメンテーションモデルに基づいて,画像を複数のコンポーネントに分割することを提案する。 そして,各コンポーネントの気象特性とその関係をモデル化し,解釈可能な論理異常検出モデルを設計する。 そのシンプルさにもかかわらず、我々のフレームワークは画像レベルの論理異常検出における最先端の性能を実現する。 一方、製品イメージを複数のコンポーネントに分割することで、産業用視覚検査の新しい視点を提供し、モデルのカスタマイズ、耐雑音性、異常な分類に大きな可能性を示す。 コードはhttps://github.com/liutongkun/comadで入手できる。

関連論文リスト

• Evaluating Vision Transformer Models for Visual Quality Control in Industrial Manufacturing [0.0]
  工業生産における機械学習の最も有望なユースケースの1つは、欠陥のある製品の早期発見である。 我々は、異常検出手法とともに、現在の視覚変換器モデルを評価する。 品質管理システムに適したモデルアーキテクチャを実際に選択するためのガイドラインを提示する。
  論文  参考訳（メタデータ） (2024-11-22T14:12:35Z)
• GeneralAD: Anomaly Detection Across Domains by Attending to Distorted Features [68.14842693208465]
  GeneralADは、意味的、ほぼ分布的、産業的設定で動作するように設計された異常検出フレームワークである。 本稿では,ノイズ付加やシャッフルなどの簡単な操作を施した自己教師付き異常生成モジュールを提案する。 提案手法を10のデータセットに対して広範囲に評価し,6つの実験結果と,残りの6つの実験結果を得た。
  論文  参考訳（メタデータ） (2024-07-17T09:27:41Z)
• Few Shot Part Segmentation Reveals Compositional Logic for Industrial Anomaly Detection [11.996050578189056]
  本稿では,論理異常(LA)検出のための新しいコンポーネントセグメンテーションモデルを提案する。 ラベル付き画像間の一貫したセグメンテーションを確保するために,エントロピーロスと合わせてヒストグラムマッチングロスを用いる。 LAを効果的に検出するために,異なるメモリバンクからの異常スコアを推論で標準化する適応スケーリング手法を提案する。
  論文  参考訳（メタデータ） (2023-12-21T12:14:31Z)
• Open-Vocabulary Video Anomaly Detection [57.552523669351636]
  監視の弱いビデオ異常検出(VAD)は、ビデオフレームが正常であるか異常であるかを識別するためにビデオレベルラベルを利用する際、顕著な性能を達成した。 近年の研究は、より現実的な、オープンセットのVADに取り組み、異常や正常なビデオから見えない異常を検出することを目的としている。 本稿ではさらに一歩前進し、未確認および未確認の異常を検知・分類するために訓練済みの大規模モデルを活用することを目的とした、オープン語彙ビデオ異常検出(OVVAD)について検討する。
  論文  参考訳（メタデータ） (2023-11-13T02:54:17Z)
• Myriad: Large Multimodal Model by Applying Vision Experts for Industrial Anomaly Detection [89.49244928440221]
  産業異常検出に視覚専門家を適用した新しい大規模マルチモーダルモデル(Myriad)を提案する。 具体的には,MiniGPT-4をベースLMMとして採用し,Large Language Models (LLM) に理解可能なトークンとして,視覚専門家の事前知識を埋め込むために,Expert Perceptionモジュールを設計する。 視覚専門家の誤りや混乱を補うために,一般画像と産業画像の視覚的表現ギャップを埋めるために,ドメインアダプタを導入する。
  論文  参考訳（メタデータ） (2023-10-29T16:49:45Z)
• Learning Global-Local Correspondence with Semantic Bottleneck for Logical Anomaly Detection [6.553276620691242]
  本稿では,論理的制約を伴う視覚異常検出のためのGlobal-Local Cor correspondingence Framework (GLCF) という新しいフレームワークを提案する。 視覚異常検出は、産業的異常検出や医学的疾患の診断など、様々な現実世界の応用において活発な研究領域となっている。
  論文  参考訳（メタデータ） (2023-03-10T08:09:40Z)
• An Outlier Exposure Approach to Improve Visual Anomaly Detection Performance for Mobile Robots [76.36017224414523]
  移動ロボットの視覚異常検出システム構築の問題点を考察する。 標準異常検出モデルは、非異常データのみからなる大規模なデータセットを用いて訓練される。 本研究では,これらのデータを利用してリアルNVP異常検出モデルの性能向上を図る。
  論文  参考訳（メタデータ） (2022-09-20T15:18:13Z)
• See Eye to Eye: A Lidar-Agnostic 3D Detection Framework for Unsupervised Multi-Target Domain Adaptation [7.489722641968593]
  本稿では,ライダー間における最先端3D検出器の性能伝達のための,教師なしマルチターゲットドメイン適応フレームワークであるSEEを提案する。 提案手法は,検出ネットワークに渡す前に,基礎となる形状を補間し,異なるライダーからの物体の走査パターンを正規化する。 我々は、SEEが公開データセット上で有効であること、最先端の成果を達成できること、そして、我々のフレームワークの産業的応用を証明するために、新しい高解像度ライダーに定量的な結果を提供することを実証する。
  論文  参考訳（メタデータ） (2021-11-17T23:46:47Z)
• Reference-based Defect Detection Network [57.89399576743665]
  最初の問題はテクスチャシフトであり、これはトレーニングされた欠陥検出モデルが目に見えないテクスチャの影響を受けやすいことを意味する。 第2の問題は部分的な視覚的混乱であり、部分的な欠陥ボックスが完全なボックスと視覚的に類似していることを示している。 本稿では,これら2つの問題に対処する参照型欠陥検出ネットワーク(RDDN)を提案する。
  論文  参考訳（メタデータ） (2021-08-10T05:44:23Z)
• Cognitive Visual Inspection Service for LCD Manufacturing Industry [80.63336968475889]
  本論文では,現在FPD業界で主流となっている液晶ディスプレイ(LCD)の視覚検査システムについて述べる。 システムは、堅牢/高性能欠陥認識モデルと認知視覚検査サービスアーキテクチャの2つの基礎に基づいています。
  論文  参考訳（メタデータ） (2021-01-11T08:14:35Z)

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。