論文の概要: IPAD: Industrial Process Anomaly Detection Dataset

• arxiv url: http://arxiv.org/abs/2404.15033v1
• Date: Tue, 23 Apr 2024 13:38:01 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-24 13:51:55.429573
• Title: IPAD: Industrial Process Anomaly Detection Dataset
• Title（参考訳）: IPAD: 産業プロセス異常検出データセット
• Authors: Jinfan Liu, Yichao Yan, Junjie Li, Weiming Zhao, Pengzhi Chu, Xingdong Sheng, Yunhui Liu, Xiaokang Yang,
• Abstract要約: ビデオ異常検出(VAD)は,ビデオフレーム内の異常を認識することを目的とした課題である。 本稿では,産業シナリオにおけるVADに特化して設計された新しいデータセットIPADを提案する。 このデータセットは16の異なる産業用デバイスをカバーし、合成ビデオと実世界のビデオの両方を6時間以上保存している。
• 参考スコア（独自算出の注目度）: 71.39058003212614
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Video anomaly detection (VAD) is a challenging task aiming to recognize anomalies in video frames, and existing large-scale VAD researches primarily focus on road traffic and human activity scenes. In industrial scenes, there are often a variety of unpredictable anomalies, and the VAD method can play a significant role in these scenarios. However, there is a lack of applicable datasets and methods specifically tailored for industrial production scenarios due to concerns regarding privacy and security. To bridge this gap, we propose a new dataset, IPAD, specifically designed for VAD in industrial scenarios. The industrial processes in our dataset are chosen through on-site factory research and discussions with engineers. This dataset covers 16 different industrial devices and contains over 6 hours of both synthetic and real-world video footage. Moreover, we annotate the key feature of the industrial process, ie, periodicity. Based on the proposed dataset, we introduce a period memory module and a sliding window inspection mechanism to effectively investigate the periodic information in a basic reconstruction model. Our framework leverages LoRA adapter to explore the effective migration of pretrained models, which are initially trained using synthetic data, into real-world scenarios. Our proposed dataset and method will fill the gap in the field of industrial video anomaly detection and drive the process of video understanding tasks as well as smart factory deployment.
• Abstract（参考訳）: ビデオ異常検出(VAD)は、ビデオフレーム内の異常を認識することを目的とした課題であり、既存の大規模VAD研究は主に道路交通と人間の活動シーンに焦点を当てている。 産業シーンでは、予測不可能な様々な異常があり、VAD法はこれらのシナリオにおいて重要な役割を果たす。 しかし、プライバシとセキュリティに関する懸念から、特に工業生産シナリオに適したデータセットやメソッドが不足している。 このギャップを埋めるため、産業シナリオにおけるVADに特化した新しいデータセットIPADを提案する。 当社のデータセットの産業プロセスは、現場での工場調査とエンジニアとの議論を通じて選択されます。 このデータセットは16の異なる産業用デバイスをカバーし、合成ビデオと実世界のビデオの両方を6時間以上保存している。 さらに, 産業プロセスの重要な特徴である, 周期性についても注釈を付ける。 提案したデータセットに基づいて,周期記憶モジュールとスライドウィンドウ検査機構を導入し,基本再構成モデルにおける周期情報を効果的に調査する。 我々のフレームワークはLoRAアダプタを利用して、当初合成データを用いて訓練された事前学習モデルから実世界のシナリオへの効果的な移行を探索する。 提案するデータセットと手法は,産業用ビデオ異常検出の分野におけるギャップを埋め,ビデオ理解タスクのプロセスとスマートファクトリ展開を駆動する。

関連論文リスト

• Adversarial Domain Adaptation for Metal Cutting Sound Detection: Leveraging Abundant Lab Data for Scarce Industry Data [8.493339928079218]
  機械学習(ML)モデルを用いた音響検出は,費用対効果の高い非侵襲的なモニタリング手法として利用することができる。 そこで本研究では,産業データ不足から学習するために,豊富な実験データを活用する新たなドメイン適応(DA)手法を提案する。 本モデルでは,多層パーセプトロンをベースとしたバニラドメイン適応モデルの性能を評価した。
  論文  参考訳（メタデータ） (2024-10-23T05:55:21Z)
• VANE-Bench: Video Anomaly Evaluation Benchmark for Conversational LMMs [64.60035916955837]
  VANE-Benchはビデオの異常や矛盾を検出するためのビデオLMMの熟練度を評価するために設計されたベンチマークである。 我々のデータセットは、既存の最先端のテキスト・ビデオ生成モデルを用いて合成された一連のビデオから構成される。 我々は、このベンチマークタスクにおいて、オープンソースとクローズドソースの両方で既存の9つのビデオLMMを評価し、ほとんどのモデルが微妙な異常を効果的に識別するのに困難に直面することを発見した。
  論文  参考訳（メタデータ） (2024-06-14T17:59:01Z)
• Investigation of the Impact of Synthetic Training Data in the Industrial Application of Terminal Strip Object Detection [4.327763441385371]
  本稿では,端末ストリップ物体検出の複雑な産業応用における標準対象検出器のシム・トゥ・リアル一般化性能について検討する。 評価のために300個の実画像に手動でアノテートを行った結果,どちらの領域でも同じ規模の興味の対象が重要であることがわかった。
  論文  参考訳（メタデータ） (2024-03-06T18:33:27Z)
• Industrial Segment Anything -- a Case Study in Aircraft Manufacturing, Intralogistics, Maintenance, Repair, and Overhaul [1.7183906167272582]
  ビジョン・ファンデーション・モデル(VFM)に関する最近の研究のアドバンテージは、高い一般化能力を持つタスクとモデルの新たな領域を開放した。 本論文は, 航空機生産特化ユースケースにおけるSAMの応用を調査することによって貢献する。
  論文  参考訳（メタデータ） (2023-07-24T10:24:13Z)
• 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)
• A Generative Approach for Production-Aware Industrial Network Traffic Modeling [70.46446906513677]
  ドイツにあるTrumpf工場に配備されたレーザー切断機から発生するネットワークトラフィックデータについて検討した。 我々は、トラフィック統計を分析し、マシンの内部状態間の依存関係をキャプチャし、ネットワークトラフィックを生産状態依存プロセスとしてモデル化する。 可変オートエンコーダ(VAE)、条件付き可変オートエンコーダ(CVAE)、生成逆ネットワーク(GAN)など、様々な生成モデルの性能の比較を行った。
  論文  参考訳（メタデータ） (2022-11-11T09:46:58Z)
• Deep Learning based pipeline for anomaly detection and quality enhancement in industrial binder jetting processes [68.8204255655161]
  異常検出は、通常の値空間とは異なる異常状態、インスタンス、あるいはデータポイントを検出する方法を記述する。 本稿では,産業生産における人工知能へのデータ中心のアプローチに寄与する。
  論文  参考訳（メタデータ） (2022-09-21T08:14:34Z)
• Extending Isolation Forest for Anomaly Detection in Big Data via K-Means [8.560480662599407]
  産業用ビッグデータシナリオにおける異常検出のためのK-MeansアルゴリズムとIsolation Forestを組み合わせた新しい教師なし機械学習アプローチを提案する。 Apache Sparkフレームワークを使用して、大規模なネットワークトラフィックデータでトレーニングされた提案モデルを実装しています。 提案手法は, 産業設備におけるリアルタイム異常検出に有効であることがわかった。
  論文  参考訳（メタデータ） (2021-04-27T16:21:48Z)
• Anomaly Detection Based on Selection and Weighting in Latent Space [73.01328671569759]
  SWADと呼ばれる新しい選択および重み付けに基づく異常検出フレームワークを提案する。 ベンチマークと実世界のデータセットによる実験は、SWADの有効性と優位性を示している。
  論文  参考訳（メタデータ） (2021-03-08T10:56:38Z)

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。