論文の概要: Decision Fusion Network with Perception Fine-tuning for Defect Classification

• arxiv url: http://arxiv.org/abs/2309.12630v1
• Date: Fri, 22 Sep 2023 05:41:25 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-25 15:51:50.451873
• Title: Decision Fusion Network with Perception Fine-tuning for Defect Classification
• Title（参考訳）: 欠陥分類のための知覚微調整による決定融合ネットワーク
• Authors: Xiaoheng Jiang, Shilong Tian, Zhiwen Zhu, Yang Lu, Hao Liu, Li Chen, Shupan Li, Mingliang Xu
• Abstract要約: 本稿では,意味決定を特徴決定に組み込んだ決定融合ネットワーク(DFNet)を提案する。 特に,意味決定枝と特徴決定枝の機能ベクトルから意味ベクトルを抽出し,それらを融合して最終分類決定を行う決定融合モジュール(DFM)を導入する。 セグメンテーション監視におけるラベルエッジの不確かさの影響に対処するために,内外分離重み行列を提案する。
• 参考スコア（独自算出の注目度）: 31.991226831264857
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Surface defect inspection is an important task in industrial inspection. Deep learning-based methods have demonstrated promising performance in this domain. Nevertheless, these methods still suffer from misjudgment when encountering challenges such as low-contrast defects and complex backgrounds. To overcome these issues, we present a decision fusion network (DFNet) that incorporates the semantic decision with the feature decision to strengthen the decision ability of the network. In particular, we introduce a decision fusion module (DFM) that extracts a semantic vector from the semantic decision branch and a feature vector for the feature decision branch and fuses them to make the final classification decision. In addition, we propose a perception fine-tuning module (PFM) that fine-tunes the foreground and background during the segmentation stage. PFM generates the semantic and feature outputs that are sent to the classification decision stage. Furthermore, we present an inner-outer separation weight matrix to address the impact of label edge uncertainty during segmentation supervision. Our experimental results on the publicly available datasets including KolektorSDD2 (96.1% AP) and Magnetic-tile-defect-datasets (94.6% mAP) demonstrate the effectiveness of the proposed method.
• Abstract（参考訳）: 表面欠陥検査は産業検査において重要な課題である。 ディープラーニングベースの手法はこの領域で有望なパフォーマンスを示している。 しかしながら、これらの手法は、低コントラスト欠陥や複雑な背景といった課題に直面する際にも、いまだに誤った判断に苦しむ。 これらの課題を克服するために、意味決定と特徴決定を組み込んだ決定融合ネットワーク(DFNet)を提案し、ネットワークの意思決定能力を強化する。 特に,semantic decisionブランチから意味ベクトルを抽出するdecision fusion module(dfm)と,特徴決定ブランチのためのfeature vectorを導入し,それらを融合して最終的な分類決定を行う。 さらに,セグメンテーション段階において,前景と背景を微調整する知覚微調整モジュール(PFM)を提案する。 PFMは、分類決定段階に送られる意味と特徴の出力を生成する。 さらに,セグメンテーション管理におけるラベルエッジの不確かさの影響に対処する内外分離重み行列を提案する。 KolektorSDD2 (96.1% AP) やMagnetic-tile-defect-datasets (94.6% mAP) などの公開データセットに対する実験結果から,提案手法の有効性が示された。

関連論文リスト

• Coarse-to-Fine Proposal Refinement Framework for Audio Temporal Forgery Detection and Localization [60.899082019130766]
  本稿では、フレームレベル検出ネットワーク(FDN)と、音声の時間的偽造検出とローカライゼーションのための改良ネットワーク(PRN)を提案する。 FDNは、偽のフレーム間で情報的不整合の手がかりを抽出し、偽の領域を大まかに示すのに有用な識別的特徴を得る。 PRNは、FDNから派生した粗粒度の提案を洗練するために、信頼スコアと回帰オフセットを予測する責任がある。
  論文  参考訳（メタデータ） (2024-07-23T15:07:52Z)
• Sequential three-way group decision-making for double hierarchy hesitant fuzzy linguistic term set [8.081831444300489]
  複雑性と不確実性を特徴とするグループ意思決定(GDM)は、様々な生活シナリオにおいて不可欠な部分である。 この問題に対処するため,グループ意思決定法(S3W-GDM)の多段階連続3方向決定法をグラニュラーコンピューティングの観点から構築した。
  論文  参考訳（メタデータ） (2024-06-27T04:33:26Z)
• Joint Attention-Guided Feature Fusion Network for Saliency Detection of Surface Defects [69.39099029406248]
  本稿では,エンコーダ・デコーダネットワークに基づく表面欠陥検出のための共同注意誘導型特徴融合ネットワーク(JAFFNet)を提案する。 JAFFNetは、主にJAFFモジュールをデコードステージに組み込んで、低レベルと高レベルの機能を適応的に融合させる。 SD- Saliency-900, Magnetic tile, and DAGM 2007 で行った実験から,本手法が他の最先端手法と比較して有望な性能を達成できたことが示唆された。
  論文  参考訳（メタデータ） (2024-02-05T08:10:16Z)
• An End-to-End Approach for Online Decision Mining and Decision Drift Analysis in Process-Aware Information Systems: Extended Version [0.0]
  決定マイニングは、イベントログやストリームから決定ルールの発見を可能にする。 オンライン意思決定マイニングは、意思決定ルールの進化と意思決定のドリフトを継続的に監視することを可能にする。 本稿では,発見のためのエンドツーエンドアプローチと,実行中の決定点とそれに対応する決定ルールの監視について述べる。
  論文  参考訳（メタデータ） (2023-03-07T15:04:49Z)
• Reinforcement Learning with a Terminator [80.34572413850186]
  我々は, TerMDP のパラメータを学習し, 推定問題の構造を活用し, 状態ワイドな信頼境界を提供する。 我々はこれらを用いて証明可能な効率のよいアルゴリズムを構築し、終端を考慮し、その後悔を抑える。
  論文  参考訳（メタデータ） (2022-05-30T18:40:28Z)
• R(Det)^2: Randomized Decision Routing for Object Detection [64.48369663018376]
  本稿では,決定木とディープニューラルネットワークをエンドツーエンドの学習方法で組み合わせたオブジェクト検出手法を提案する。 効率的な学習を容易にするために,ノード選択型および連想型損失を伴うランダム化決定経路を提案する。 このアプローチをオブジェクト検出のためのランダム化決定ルーティングとして、R(Det)$2$と略す。
  論文  参考訳（メタデータ） (2022-04-02T07:54:58Z)
• Identification of Unexpected Decisions in Partially Observable Monte-Carlo Planning: a Rule-Based Approach [78.05638156687343]
  本稿では,POMCPポリシーをトレースを検査して分析する手法を提案する。 提案手法は, 政策行動の局所的特性を探索し, 予期せぬ決定を識別する。 我々は,POMDPの標準ベンチマークであるTigerに対するアプローチと,移動ロボットナビゲーションに関する現実の問題を評価した。
  論文  参考訳（メタデータ） (2020-12-23T15:09:28Z)
• Inverse Active Sensing: Modeling and Understanding Timely Decision-Making [111.07204912245841]
  我々は,内因性,文脈依存型時間圧下でのエビデンスに基づく意思決定の一般的な設定のための枠組みを開発する。 意思決定戦略において、サプライズ、サスペンス、最適性の直感的な概念をモデル化する方法を実証する。
  論文  参考訳（メタデータ） (2020-06-25T02:30:45Z)

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。