論文の概要: Real-Time Detection of Electronic Components in Waste Printed Circuit Boards: A Transformer-Based Approach
- arxiv url: http://arxiv.org/abs/2409.16496v1
- Date: Tue, 24 Sep 2024 22:59:52 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-27 08:11:05.670439
- Title: Real-Time Detection of Electronic Components in Waste Printed Circuit Boards: A Transformer-Based Approach
- Title（参考訳）: 廃プリント基板中の電子部品のリアルタイム検出:変圧器によるアプローチ
- Authors: Muhammad Mohsin, Stefano Rovetta, Francesco Masulli, Alberto Cabri,
- Abstract要約: 我々は、WPCBから異なるタイプの電子部品を選択的に分解する実践的アプローチを提案してきた。
本稿では,実時間検出TRansformerモデルアーキテクチャの電子部品検出と局所化のリアルタイム精度を評価する。
- 参考スコア（独自算出の注目度）: 4.849820402342814
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Critical Raw Materials (CRMs) such as copper, manganese, gallium, and various rare earths have great importance for the electronic industry. To increase the concentration of individual CRMs and thus make their extraction from Waste Printed Circuit Boards (WPCBs) convenient, we have proposed a practical approach that involves selective disassembling of the different types of electronic components from WPCBs using mechatronic systems guided by artificial vision techniques. In this paper we evaluate the real-time accuracy of electronic component detection and localization of the Real-Time DEtection TRansformer model architecture. Transformers have recently become very popular for the extraordinary results obtained in natural language processing and machine translation. Also in this case, the transformer model achieves very good performances, often superior to those of the latest state of the art object detection and localization models YOLOv8 and YOLOv9.
- Abstract（参考訳）: 銅、マンガン、ガリウム、各種レアアースなどの臨界原料(CRM)は電子産業にとって非常に重要である。
そこで我々は,WPCBから異なるタイプの電子部品を選択的に分解する手法を,人工視覚技術で誘導されるメカトロニクスシステムを用いて提案した。
本稿では,実時間検出TRansformerモデルアーキテクチャの電子部品検出と局所化のリアルタイム精度を評価する。
近年,自然言語処理や機械翻訳で得られた異常な結果に対して,トランスフォーマーは非常に人気がある。
この場合、トランスモデルは、最新の最先端のオブジェクト検出およびローカライゼーションモデル YOLOv8 や YOLOv9 よりも優れていることが多い。
関連論文リスト
- Evaluating Vision Transformer Models for Visual Quality Control in Industrial Manufacturing [0.0]
工業生産における機械学習の最も有望なユースケースの1つは、欠陥のある製品の早期発見である。
我々は、異常検出手法とともに、現在の視覚変換器モデルを評価する。
品質管理システムに適したモデルアーキテクチャを実際に選択するためのガイドラインを提示する。
論文 参考訳（メタデータ） (2024-11-22T14:12:35Z) - Measuring the Recyclability of Electronic Components to Assist Automatic Disassembly and Sorting Waste Printed Circuit Boards [4.0998481751764]
本稿では, 廃プリント基板(WPCB)からの廃電子部品(WEC)のリサイクル性の測定に, 数学的革新モデルを用いて着目する。
この革新的なアプローチは、WECのリサイクルとリサイクルの難しさを評価し、分解とソートを改善するAIモデルを統合する。
論文 参考訳（メタデータ） (2024-06-24T12:33:56Z) - EEGEncoder: Advancing BCI with Transformer-Based Motor Imagery Classification [11.687193535939798]
脳-コンピュータインタフェース(BCI)は、脳波信号を用いてデバイスを直接神経制御する。
脳波に基づく運動画像(MI)分類のための従来の機械学習手法は、手動の特徴抽出やノイズに対する感受性といった課題に遭遇する。
本稿では,これらの制限を克服するために改良型トランスフォーマーとTCNを用いたディープラーニングフレームワークであるEEGEncoderを紹介する。
論文 参考訳（メタデータ） (2024-04-23T09:51:24Z) - Machine Learning-powered Compact Modeling of Stochastic Electronic
Devices using Mixture Density Networks [0.0]
従来の決定論的モデルは、多くの電子部品によって示される微妙だが批判的な変動を捉えようとすると、不足する。
本稿では,機械学習の力を生かして,従来のモデリング手法の限界を超越する革新的な手法を提案する。
本論文は,電子回路の領域における革新を推し進める,正確で汎用的なコンパクトモデルの探求において,重要な一歩を踏み出したものである。
論文 参考訳（メタデータ） (2023-11-10T01:34:18Z) - SimPLR: A Simple and Plain Transformer for Scaling-Efficient Object Detection and Segmentation [49.65221743520028]
本研究は, 背骨と頭部が非階層的であり, 単一スケールの機能で動作するSimPLRを, スケール認識型トランスフォーマーベース検出器により検出できることを示す。
マルチスケールおよびシングルスケールの最先端と比較して、我々のモデルはより大きなキャパシティ(自己監督型)モデルとより事前学習データにより、はるかに良くスケールする。
論文 参考訳（メタデータ） (2023-10-09T17:59:26Z) - A Comprehensive Survey on Applications of Transformers for Deep Learning
Tasks [60.38369406877899]
Transformerは、シーケンシャルデータ内のコンテキスト関係を理解するために自己認識メカニズムを使用するディープニューラルネットワークである。
Transformerモデルは、入力シーケンス要素間の長い依存関係を処理し、並列処理を可能にする。
我々の調査では、トランスフォーマーベースのモデルのためのトップ5のアプリケーションドメインを特定します。
論文 参考訳（メタデータ） (2023-06-11T23:13:51Z) - Hierarchical Point Attention for Indoor 3D Object Detection [111.04397308495618]
本研究は、点ベース変圧器検出器の汎用階層設計として、2つの新しい注意操作を提案する。
まず、よりきめ細かい特徴学習を可能にするために、シングルスケールの入力機能からマルチスケールトークンを構築するマルチスケール注意(MS-A)を提案する。
第2に,適応型アテンション領域を持つサイズ適応型ローカルアテンション(Local-A)を提案する。
論文 参考訳（メタデータ） (2023-01-06T18:52:12Z) - Knowledge Distillation of Transformer-based Language Models Revisited [74.25427636413067]
大規模なモデルサイズと高いランタイムレイテンシは、実際にトレーニング済みの言語モデルを適用する上で深刻な障害となります。
変圧器モデルのための統合知識蒸留フレームワークを提案する。
実験結果から,プレトレイン言語モデルの蒸留に光を当て,従来のSOTA(State-of-the-arts)に比べて相対的に改善した。
論文 参考訳（メタデータ） (2022-06-29T02:16:56Z) - Full-Wave Methodology to Compute the Spontaneous Emission Rate of a
Transmon Qubit [0.0]
自発放出率(SER)は、任意の量子ビット(量子ビット)にとって重要なメリットである。
電磁環境に結合したトランスモン量子ビットについて,最近開発されたフィールドベースで記述することで,これを実現できることを示す。
実験により得られた文献に類似したデバイスに対して,SERを計算し,本モデルの有効性を検証した。
論文 参考訳（メタデータ） (2022-01-11T23:47:20Z) - Efficient pre-training objectives for Transformers [84.64393460397471]
本研究はトランスフォーマーモデルにおける高効率事前学習目標について検討する。
マスクトークンの除去と損失時のアウトプット全体の考慮が,パフォーマンス向上に不可欠な選択であることを証明する。
論文 参考訳（メタデータ） (2021-04-20T00:09:37Z) - DA-DETR: Domain Adaptive Detection Transformer with Information Fusion [53.25930448542148]
DA-DETRは、ラベル付きソースドメインからラベルなしターゲットドメインへの効果的な転送のための情報融合を導入するドメイン適応型オブジェクト検出変換器である。
本稿では,CNN機能とトランスフォーマー機能を融合した新しいCNN-Transformer Blender(CTBlender)を提案する。
CTBlenderはTransformer機能を使用して、高レベルの意味情報と低レベルの空間情報が融合した複数のスケールでCNN機能を変調し、正確な物体識別と位置決めを行う。
論文 参考訳（メタデータ） (2021-03-31T13:55:56Z)
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。