論文の概要: A Deep Learning Approach for Pixel-level Material Classification via Hyperspectral Imaging
- arxiv url: http://arxiv.org/abs/2409.13498v1
- Date: Fri, 20 Sep 2024 13:38:48 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-07 06:53:09.578527
- Title: A Deep Learning Approach for Pixel-level Material Classification via Hyperspectral Imaging
- Title（参考訳）: ハイパースペクトルイメージングによる画素レベルの物質分類のための深層学習手法
- Authors: Savvas Sifnaios, George Arvanitakis, Fotios K. Konstantinidis, Georgios Tsimiklis, Angelos Amditis, Panayiotis Frangos,
- Abstract要約: ハイパースペクトル(HS)イメージングは、X線蛍光やラマン分光のような従来の技術よりも有利である。
本研究では,HSイメージングと深層学習を併用した材料評価の可能性について検討した。
このモデルは99.94%の分類精度を達成し、色、サイズ、形状のばらつきの堅牢さを示し、材料重なりを効果的に扱った。
- 参考スコア（独自算出の注目度）: 1.294249882472766
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Recent advancements in computer vision, particularly in detection, segmentation, and classification, have significantly impacted various domains. However, these advancements are tied to RGB-based systems, which are insufficient for applications in industries like waste sorting, pharmaceuticals, and defense, where advanced object characterization beyond shape or color is necessary. Hyperspectral (HS) imaging, capturing both spectral and spatial information, addresses these limitations and offers advantages over conventional technologies such as X-ray fluorescence and Raman spectroscopy, particularly in terms of speed, cost, and safety. This study evaluates the potential of combining HS imaging with deep learning for material characterization. The research involves: i) designing an experimental setup with HS camera, conveyor, and controlled lighting; ii) generating a multi-object dataset of various plastics (HDPE, PET, PP, PS) with semi-automated mask generation and Raman spectroscopy-based labeling; and iii) developing a deep learning model trained on HS images for pixel-level material classification. The model achieved 99.94\% classification accuracy, demonstrating robustness in color, size, and shape invariance, and effectively handling material overlap. Limitations, such as challenges with black objects, are also discussed. Extending computer vision beyond RGB to HS imaging proves feasible, overcoming major limitations of traditional methods and showing strong potential for future applications.
- Abstract（参考訳）: コンピュータビジョンの最近の進歩、特に検出、セグメンテーション、分類は、様々な領域に大きな影響を与えている。
しかし、これらの進歩はRGBベースのシステムと結びついており、廃棄物の選別、医薬品、防衛といった産業において、形状や色を超えた高度な物体のキャラクタリゼーションが必要とされるには不十分である。
ハイパースペクトル(HS)イメージングは、スペクトル情報と空間情報の両方を撮像し、これらの制限に対処し、特に速度、コスト、安全性の点で、X線蛍光やラマン分光のような従来の技術よりも有利である。
本研究では,HSイメージングと深層学習を併用した材料評価の可能性について検討した。
研究は以下のとおりである。
一 HSカメラ、コンベア及び制御照明を備えた実験装置を設計すること。
二 半自動マスク生成及びラマン分光法によるラベル付けによる各種プラスチック(HDPE、PET、PP、PS)の多目的データセットの作成
三 画素レベルの物質分類のためのHS画像に基づいて訓練された深層学習モデルを開発すること。
このモデルは99.94\%の分類精度を達成し、色、サイズ、形状のばらつきの堅牢性を証明し、材料重なりを効果的に処理した。
ブラックオブジェクトの課題のような制限も議論されている。
RGBからHSイメージングへのコンピュータビジョンの拡張は実現可能であり、従来の手法の大きな制限を克服し、将来的な応用の可能性を示している。
関連論文リスト
- Hyperspectral Dataset and Deep Learning methods for Waste from Electric and Electronic Equipment Identification (WEEE) [0.0]
ハイパースペクトル画像分割のための多種多様なディープラーニングアーキテクチャの性能を評価する。
その結果,空間情報をスペクトルデータと組み合わせることで,セグメンテーション結果が改善された。
我々は、Tecnalia WEEE Hyperspectralデータセットのクリーニングと公開によって、この分野に貢献する。
論文 参考訳（メタデータ） (2024-07-05T13:45:11Z) - Remote Bio-Sensing: Open Source Benchmark Framework for Fair Evaluation
of rPPG [2.82697733014759]
r(pg photoplethysmography)は、カメラで捉えたヘモグロビンの光吸収特性を用いてBVP(Blood Volume Pulse)を測定し、分析する技術である。
本研究は,多種多様なデータセットを対象とした様々なrベンチマーク手法の評価を行い,妥当性評価と比較を行うためのフレームワークを提供することを目的とする。
論文 参考訳（メタデータ） (2023-07-24T09:35:47Z) - On Sensitivity and Robustness of Normalization Schemes to Input
Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。
DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。
本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
論文 参考訳（メタデータ） (2023-06-23T03:09:03Z) - Hyperspectral Image Segmentation: A Preliminary Study on the Oral and
Dental Spectral Image Database (ODSI-DB) [3.1993890965689666]
ハイパースペクトルイメージング(HSI)は、豊富なスペクトル情報を提供する有望な技術である。
近年のスナップショットHSIカメラの開発により,リアルタイム臨床HSIが実現可能性が高まっている。
本研究は、HSIカメラの開発をガイドし、将来的な臨床用HSIアプリケーションに通知するために、スペクトル分解能、スペクトル範囲、空間情報の相対的重要性を強調した。
論文 参考訳（メタデータ） (2023-03-14T21:57:11Z) - Deep Learning for Event-based Vision: A Comprehensive Survey and Benchmarks [55.81577205593956]
イベントカメラはバイオインスパイアされたセンサーで、ピクセルごとの強度の変化を非同期に捉える。
深層学習(DL)はこの新興分野に導入され、その可能性のマイニングに活発な研究努力にインスピレーションを与えている。
論文 参考訳（メタデータ） (2023-02-17T14:19:28Z) - Probabilistic Deep Metric Learning for Hyperspectral Image
Classification [91.5747859691553]
本稿では,ハイパースペクトル画像分類のための確率論的深度学習フレームワークを提案する。
ハイパースペクトルセンサーが捉えた画像に対して、各ピクセルのカテゴリを予測することを目的としている。
我々のフレームワークは、既存のハイパースペクトル画像分類法に容易に適用できる。
論文 参考訳（メタデータ） (2022-11-15T17:57:12Z) - Remote Sensing Image Classification using Transfer Learning and
Attention Based Deep Neural Network [59.86658316440461]
本稿では、転送学習技術とマルチヘッドアテンションスキームを活用した、深層学習に基づくRSISCフレームワークを提案する。
提案したディープラーニングフレームワークは、ベンチマークNWPU-RESISC45データセットに基づいて評価され、最高の分類精度94.7%を達成する。
論文 参考訳（メタデータ） (2022-06-20T10:05:38Z) - OADAT: Experimental and Synthetic Clinical Optoacoustic Data for
Standardized Image Processing [62.993663757843464]
オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。
OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。
臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
論文 参考訳（メタデータ） (2022-06-17T08:11:26Z) - Learnable Reconstruction Methods from RGB Images to Hyperspectral
Imaging: A Survey [27.235897806207706]
より安価なRGB画像から高スペクトル情報を直接再構成することで、多くの代替分光イメージング法が提案されている。
広帯域RGB画像から最新のスペクトル再構成手法を徹底的に検討する。
データ駆動深層学習法の多くは, 速度が低いにもかかわらず, 復元精度と品質の点で, 従来の手法よりも優れている。
論文 参考訳（メタデータ） (2021-06-30T09:52:41Z) - Advances in Deep Learning for Hyperspectral Image Analysis--Addressing
Challenges Arising in Practical Imaging Scenarios [7.41157183358269]
我々は,強靭なハイパースペクトル画像解析にディープラーニングを活用するコミュニティの進歩を概観する。
課題は 地上の真実と データの高次元的な性質です
具体的には,画像解析における教師なし,半教師付き,アクティブな学習手法について検討する。
論文 参考訳（メタデータ） (2020-07-16T19:51:02Z) - Learning Spatial-Spectral Prior for Super-Resolution of Hyperspectral
Imagery [79.69449412334188]
本稿では,最先端の残差学習をベースとした単一グレー/RGB画像の超解像化手法について検討する。
本稿では,空間情報とハイパースペクトルデータのスペクトル間の相関をフル活用するための空間スペクトル先行ネットワーク(SSPN)を提案する。
実験結果から,SSPSR法により高分解能高分解能高分解能画像の詳細が得られた。
論文 参考訳（メタデータ） (2020-05-18T14:25:50Z)
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。