Fugu-MT 論文翻訳(概要): Attention Modules Improve Image-Level Anomaly Detection for Industrial Inspection: A DifferNet Case Study

論文の概要: Attention Modules Improve Image-Level Anomaly Detection for Industrial Inspection: A DifferNet Case Study

arxiv url: http://arxiv.org/abs/2311.02747v2
Date: Tue, 7 Nov 2023 15:54:41 GMT
ステータス: 処理完了
システム内更新日: 2023-11-08 12:23:13.043393
Title: Attention Modules Improve Image-Level Anomaly Detection for Industrial Inspection: A DifferNet Case Study
Title（参考訳）: 注意モジュールによる産業検査における画像レベル異常検出の改善:DifferNetケーススタディ
Authors: Andr\'e Luiz Buarque Vieira e Silva, Francisco Sim\~oes, Danny Kowerko, Tobias Schlosser, Felipe Battisti, Veronica Teichrieb
Abstract要約: 本稿では注意モジュールを付加したDifferNetベースのソリューションを提案する。産業検査用の3つの視覚異常検出データセットにおける画像レベルの検出と分類機能を改善する。評価の結果,全AUROCでは,DifferNetに比べて平均1.77+0.25ポイントの改善が見られた。
参考スコア（独自算出の注目度）: 2.2942964892621807
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Within (semi-)automated visual industrial inspection, learning-based approaches for assessing visual defects, including deep neural networks, enable the processing of otherwise small defect patterns in pixel size on high-resolution imagery. The emergence of these often rarely occurring defect patterns explains the general need for labeled data corpora. To alleviate this issue and advance the current state of the art in unsupervised visual inspection, this work proposes a DifferNet-based solution enhanced with attention modules: AttentDifferNet. It improves image-level detection and classification capabilities on three visual anomaly detection datasets for industrial inspection: InsPLAD-fault, MVTec AD, and Semiconductor Wafer. In comparison to the state of the art, AttentDifferNet achieves improved results, which are, in turn, highlighted throughout our quali-quantitative study. Our quantitative evaluation shows an average improvement - compared to DifferNet - of 1.77 +/- 0.25 percentage points in overall AUROC considering all three datasets, reaching SOTA results in InsPLAD-fault, an industrial inspection in-the-wild dataset. As our variants to AttentDifferNet show great prospects in the context of currently investigated approaches, a baseline is formulated, emphasizing the importance of attention for industrial anomaly detection both in the wild and in controlled environments.
Abstract（参考訳）: 半自動化された視覚産業検査の中で、ディープラーニングを含む視覚的欠陥を評価する学習ベースのアプローチは、高解像度画像上のピクセルサイズの小さな欠陥パターンの処理を可能にする。これらまれに発生する欠陥パターンの出現は、ラベル付きデータコーパスの一般的な必要性を説明する。この問題を緩和し、教師なし視覚検査における技術の現状を前進させるため、この研究は注意モジュールで強化されたDifferNetベースのソリューションを提案する。産業検査用の3つの視覚異常検出データセット、InsPLAD-fault, MVTec AD, Semiconductor Waferの画像レベルの検出と分類機能を改善する。 attentdiffernetは、最先端の技術と比較して、改良された結果を達成しています。我々の定量的評価は,3つのデータセットすべてを考慮すると,AUROC全体のDifferNetof 1.77 +/- 0.25ポイントに対して平均的な改善を示している。 attentdiffernetに対する我々の変異が現在研究されているアプローチの文脈で大きな展望を示しているため、ベースラインが定式化されており、野生および制御された環境での産業的異常検出における注意の重要性を強調している。

関連論文リスト

Uncertainty Estimation for 3D Object Detection via Evidential Learning [63.61283174146648]
本稿では,3次元検出器における鳥の視線表示における明らかな学習損失を利用して,3次元物体検出の不確かさを定量化するためのフレームワークを提案する。本研究では,これらの不確実性評価の有効性と重要性を,分布外シーンの特定,局所化の不十分な物体の発見,および(偽陰性)検出の欠如について示す。
論文参考訳（メタデータ） (2024-10-31T13:13:32Z)
CatFree3D: Category-agnostic 3D Object Detection with Diffusion [63.75470913278591]
本稿では,2次元検出と深度予測から3次元検出を分離するパイプラインを提案する。また,3次元検出結果の正確な評価のために,正規化ハンガリー距離(NHD)指標も導入した。
論文参考訳（メタデータ） (2024-08-22T22:05:57Z)
Attention Modules Improve Modern Image-Level Anomaly Detection: A DifferNet Case Study [2.2942964892621807]
本稿では,SENet と CBAM をバックボーン - AttentDifferNet として活用した DifferNet ベースのソリューションを提案する。現状と比較すると, AttentDifferNetは, 定量的および定性的な評価とともに, 測定結果の改善を実現していることがわかった。
論文参考訳（メタデータ） (2024-01-13T03:09:47Z)
Self-supervised Feature Adaptation for 3D Industrial Anomaly Detection [59.41026558455904]
具体的には,大規模ビジュアルデータセット上で事前学習されたモデルを利用した初期のマルチモーダルアプローチについて検討する。本研究では,アダプタを微調整し,異常検出に向けたタスク指向の表現を学習するためのLSFA法を提案する。
論文参考訳（メタデータ） (2024-01-06T07:30:41Z)
Augment and Criticize: Exploring Informative Samples for Semi-Supervised Monocular 3D Object Detection [64.65563422852568]
我々は、一般的な半教師付きフレームワークを用いて、難解な単分子3次元物体検出問題を改善する。我々は、ラベルのないデータから豊富な情報的サンプルを探索する、新しい、シンプルで効果的なAugment and Criticize'フレームワークを紹介します。 3DSeMo_DLEと3DSeMo_FLEXと呼ばれる2つの新しい検出器は、KITTIのAP_3D/BEV(Easy)を3.5%以上改善した。
論文参考訳（メタデータ） (2023-03-20T16:28:15Z)
Deep Industrial Image Anomaly Detection: A Survey [85.44223757234671]
近年の深層学習の急速な発展は,産業用画像異常検出(IAD)のマイルストーンとなった本稿では,ディープラーニングによる画像異常検出手法の総合的なレビューを行う。画像異常検出のオープニング課題をいくつか取り上げる。
論文参考訳（メタデータ） (2023-01-27T03:18:09Z)
ORA3D: Overlap Region Aware Multi-view 3D Object Detection [11.58746596768273]
現在の多視点3Dオブジェクト検出法は、しばしば重なり合う領域のオブジェクトを適切に検出できない。本稿では,(1)弱深度スーパービジョンのステレオ異方性推定と(2)適応オーバーラップ領域判別器の2つの主要なモジュールを提案する。提案手法は,現在の最先端モデル,すなわちDETR3DとBEVDetより優れている。
論文参考訳（メタデータ） (2022-07-02T15:28:44Z)
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)
Zero-sample surface defect detection and classification based on semantic feedback neural network [13.796631421521765]
本論文では,複数角度からの画像タグ埋め込みにおける予測誤差を適応的に低減するアンサンブル協調学習アルゴリズムを提案する。産業分野におけるゼロショットデータセットとシリンダーライナーデータセットを用いた各種実験により,競争結果が得られた。
論文参考訳（メタデータ） (2021-06-15T08:26:36Z)
Adversarial Feature Augmentation and Normalization for Visual Recognition [109.6834687220478]
最近のコンピュータビジョンの進歩は、分類モデルの一般化能力を改善するために、逆データ拡張を利用する。本稿では,中間的特徴埋め込みにおける敵対的拡張を提唱する効率的かつ効率的な代替手法を提案する。代表的なバックボーンネットワークを用いて,多様な視覚認識タスクにまたがる提案手法を検証する。
論文参考訳（メタデータ） (2021-03-22T20:36:34Z)

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。