論文の概要: Advancements in Point Cloud-Based 3D Defect Detection and Classification
for Industrial Systems: A Comprehensive Survey
- arxiv url: http://arxiv.org/abs/2402.12923v1
- Date: Tue, 20 Feb 2024 11:18:40 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-21 15:42:51.204618
- Title: Advancements in Point Cloud-Based 3D Defect Detection and Classification
for Industrial Systems: A Comprehensive Survey
- Title(参考訳): ポイントクラウドによる産業システムの3次元欠陥検出と分類の進歩:総括的調査
- Authors: Anju Rani, Daniel Ortiz-Arroyo, Petar Durdevic
- Abstract要約: 3Dポイントクラウド(PC)は、様々な分野にまたがる多様な応用により、注目されている。
ディープラーニング(DL)は、これまで2Dビジョンで遭遇した様々な課題に対処するために、3D PCを活用するのに有効であることが証明されている。
ディープニューラルネットワーク(DNN)の3DPC処理への応用は、独自の課題セットを示している。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent years, 3D point clouds (PCs) have gained significant attention due
to their diverse applications across various fields such as computer vision
(CV), condition monitoring, virtual reality, robotics, autonomous driving etc.
Deep learning (DL) has proven effective in leveraging 3D PCs to address various
challenges previously encountered in 2D vision. However, the application of
deep neural networks (DNN) to process 3D PCs presents its own set of
challenges. To address these challenges, numerous methods have been proposed.
This paper provides an in-depth review of recent advancements in DL-based
condition monitoring (CM) using 3D PCs, with a specific focus on defect shape
classification and segmentation within industrial applications for operational
and maintenance purposes. Recognizing the crucial role of these aspects in
industrial maintenance, the paper provides insightful observations that offer
perspectives on the strengths and limitations of the reviewed DL-based PC
processing methods. This synthesis of knowledge aims to contribute to the
understanding and enhancement of CM processes, particularly within the
framework of remaining useful life (RUL), in industrial systems.
- Abstract(参考訳): 近年,コンピュータビジョン(cv),コンディションモニタリング,仮想現実,ロボティクス,自律運転など,さまざまな分野にわたる多様な応用により,3dポイントクラウド(pcs)が注目されている。
ディープラーニング(DL)は、これまで2Dビジョンで遭遇した様々な課題に対処するために、3D PCを活用するのに有効であることが証明されている。
しかし、ディープニューラルネットワーク(dnn)の3dpc処理への応用は、独自の課題を呈している。
これらの課題に対処するために、様々な方法が提案されている。
本稿では,産業用途における欠陥形状分類とセグメンテーションに着目した3dpcを用いたdlベース状態監視(cm)の最近の進歩を概観する。
本論文は,産業保守におけるこれらの側面の重要な役割を認識し,レビューしたDLベースのPC処理手法の長所と短所を考察する。
この知識の合成はcmプロセスの理解と強化に寄与することを目的としており、特に産業システムにおけるrul(containing useful life)の枠組みにおいて重要である。
関連論文リスト
- Effectiveness Assessment of Recent Large Vision-Language Models [82.08377770649777]
専門的・汎用的なタスクにおいて,一般的な大規模視覚言語モデル(LVLM)の能力を評価する。
視覚認識とローカライゼーションの領域における最近の3つのオープンソースLVLM(MiniGPT-v2,LLaVA-1.5,Shikra)の性能について検討する。
本研究により, これらのモデルは, 特殊タスクだけでなく, 一般タスクにおいても, 限られた習熟度を示すことが明らかとなった。
論文 参考訳(メタデータ) (2024-03-07T08:25:27Z) - Integration of Domain Expert-Centric Ontology Design into the CRISP-DM
for Cyber-Physical Production Systems [63.62764375279861]
機械学習(ML)とデータマイニング(DM)の手法は、収集されたデータから複雑で隠れたパターンを抽出する上で有望であることが証明されている。
しかし、このようなデータ駆動プロジェクトは、通常、CRISPDM(Cross-Industry Standard Process for Data Mining)で実行され、データの理解と準備に要する時間の不均等さのために失敗することが多い。
このコントリビューションは、データサイエンティストがCPPSの課題に対してより迅速かつ確実に洞察を得ることができるように、統合されたアプローチを提供することを目的としている。
論文 参考訳(メタデータ) (2023-07-21T15:04:00Z) - 3D objects and scenes classification, recognition, segmentation, and
reconstruction using 3D point cloud data: A review [5.85206759397617]
3次元(3D)点雲解析は、現実的な画像やマシンビジョンにおいて魅力的な対象の1つとなっている。
最近、ディープラーニングモデルのような様々な技術を用いて、新しい戦略の開発に多大な努力が注がれている。
オブジェクトやシーンの検出,認識,セグメンテーション,再構築など,3Dポイントで行うさまざまなタスクについて検討した。
論文 参考訳(メタデータ) (2023-06-09T15:45:23Z) - A Threefold Review on Deep Semantic Segmentation: Efficiency-oriented,
Temporal and Depth-aware design [77.34726150561087]
我々は、自動運転車のビジョンの文脈において、Deep Semanticの最も関連性があり最近の進歩について調査を行う。
私たちの主な目的は、それぞれの視点で直面している主要な方法、利点、制限、結果、課題に関する包括的な議論を提供することです。
論文 参考訳(メタデータ) (2023-03-08T01:29:55Z) - HUM3DIL: Semi-supervised Multi-modal 3D Human Pose Estimation for
Autonomous Driving [95.42203932627102]
3Dの人間のポーズ推定は、自動運転車が歩行者の微妙で複雑な振る舞いを知覚し理解できるようにする新しい技術である。
提案手法は,これらの補完信号を半教師付き方式で効率的に利用し,既存の手法よりも大きなマージンで性能を向上する。
具体的には、LiDAR点を画素整列マルチモーダル特徴に埋め込み、トランスフォーマーの精細化段階を経る。
論文 参考訳(メタデータ) (2022-12-15T11:15:14Z) - 3D shape sensing and deep learning-based segmentation of strawberries [5.634825161148484]
農業における形状の3次元認識のためのステレオおよび飛行時間カメラを含む最新のセンシング技術を評価する。
本稿では,カメラベースの3Dセンサから得られる情報の組織的性質を利用した,新しい3Dディープニューラルネットワークを提案する。
論文 参考訳(メタデータ) (2021-11-26T18:43:10Z) - Recent Advances in Monocular 2D and 3D Human Pose Estimation: A Deep
Learning Perspective [69.44384540002358]
この問題に対処するための包括的で包括的な2D-to-3D視点を提供する。
2014年からの主流とマイルストーンのアプローチを統一フレームワークで分類しています。
また,ポーズ表現スタイル,ベンチマーク,評価指標,一般的なアプローチの定量的評価を要約した。
論文 参考訳(メタデータ) (2021-04-23T11:07:07Z) - Deep Learning Based 3D Segmentation: A Survey [29.402585297221457]
3Dセグメンテーションは、自律運転、ロボティクス、拡張現実、医療画像解析などの応用において、コンピュータビジョンの基本的な問題である。
近年、ディープラーニング技術が3Dセグメンテーションタスクの選択ツールとなっている。
本稿では,このギャップを埋め,ディープラーニングに基づく3Dセグメンテーションにおける最近の進歩を包括的に調査する。
論文 参考訳(メタデータ) (2021-03-09T13:58:35Z) - 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) - Deep Learning Models for Visual Inspection on Automotive Assembling Line [2.594420805049218]
本稿では,深層学習を用いた視覚検査支援手法を提案する。
提案手法は、実際の自動車組立ラインにおける4つの概念実証によって説明される。
論文 参考訳(メタデータ) (2020-07-02T20:00:45Z) - DEEVA: A Deep Learning and IoT Based Computer Vision System to Address
Safety and Security of Production Sites in Energy Industry [0.0]
本稿では,シーン分類,シーン中のオブジェクト検出,セマンティックセグメンテーション,シーンキャプションなど,さまざまなコンピュータビジョンに関わる問題に取り組む。
我々は、シーン分類、オブジェクト検出、セマンティックセグメンテーション、シーンのキャプションを扱うためのDeep ExxonMobil Eye for Video Analysis (DEEVA)パッケージを開発した。
その結果, RetinaNet物体検出器を用いた伝達学習により, 作業者の存在, 車両・建設機器の種類, 安全関連物体を高い精度(90%以上)で検出できることがわかった。
論文 参考訳(メタデータ) (2020-03-02T21:26:00Z)
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。