論文の概要: High-Precision Fabric Defect Detection via Adaptive Shape Convolutions and Large Kernel Spatial Modeling

• arxiv url: http://arxiv.org/abs/2501.14190v1
• Date: Fri, 24 Jan 2025 02:53:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-27 14:56:59.384847
• Title: High-Precision Fabric Defect Detection via Adaptive Shape Convolutions and Large Kernel Spatial Modeling
• Title（参考訳）: 適応形状畳み込みと大カーネル空間モデリングによる高精度ファブリック欠陥検出
• Authors: Shuai Wang, Yang Xu, Hui Zheng, Baotian Li,
• Abstract要約: 本稿では,YOLOv8sアーキテクチャ上に構築されたファブリック欠陥検出フレームワークであるFab-ASLKSを紹介する。 我々は,Fab-ASLKSがmAP@50をベースラインに5%改善し,精度と効率性を実現する能力を示した。
• 参考スコア（独自算出の注目度）: 9.684264979461148
• License:
• Abstract: Detecting fabric defects in the textile industry remains a challenging task due to the diverse and complex nature of defect patterns. Traditional methods often suffer from slow inference speeds, limited accuracy, and inadequate recognition rates, particularly in scenarios involving intricate or subtle defects. To overcome these limitations, we introduce Fab-ASLKS, an advanced fabric defect detection framework built upon the YOLOv8s architecture. Fab-ASLKS incorporates two key modules: (1) the Adaptive Shape Convolution Module (ASCM), which leverages adaptive shape convolution within the Neck to enhance feature fusion and improve efficiency by extending the capabilities of the standard C2f structure, and (2) the Large Kernel Shift Convolution Module (LKSCM), designed to emulate large kernel effects within the Backbone, enabling superior spatial information extraction. These modules collaboratively optimize feature extraction and information integration across the network. Extensive experiments conducted on the Tianchi fabric defect detection dataset demonstrate that Fab-ASLKS achieves a 5% improvement in mAP@50 over the baseline, showcasing its capability to deliver high precision and efficiency.
• Abstract（参考訳）: 繊維産業における繊維欠陥の検出は、欠陥パターンの多様で複雑な性質のため、依然として困難な課題である。 従来の手法では、特に複雑な欠陥や微妙な欠陥を含むシナリオにおいて、推論速度の遅さ、精度の制限、認識率の低下に悩まされることが多い。 このような制限を克服するために,YOLOv8sアーキテクチャ上に構築された高度なファブリック欠陥検出フレームワークであるFab-ASLKSを紹介した。 Fab-ASLKSは,(1)適応形状変換モジュール(ASCM, Adaptive Shape Convolution Module, 適応形状変換モジュール)をネック内部の適応形状変換を利用して,標準C2f構造の能力を拡張することで特徴融合の促進と効率の向上を実現し,(2)バックボーン内の大きなカーネル効果をエミュレートするために設計されたLKSCM(Large Kernel Shift Convolution Module)を組み込んだ。 これらのモジュールは、ネットワーク全体の機能抽出と情報統合を協調的に最適化する。 Tianchiファブリック欠陥検出データセットで実施された大規模な実験により、Fab-ASLKSはベースライン上でmAP@50を5%改善し、高い精度と効率を実現する能力を示している。

関連論文リスト

• SPFFNet: Strip Perception and Feature Fusion Spatial Pyramid Pooling for Fabric Defect Detection [0.0]
  YOLOv11に基づくファブリック欠陥検出モデルを提案する。 SPM(Strip Perception Module)を導入し,マルチスケールのコンボリューションにより機能キャプチャを改善する。 また,適応重み付き共振器(FECIoU)の新たな拡張完全交叉法を提案する。
  論文  参考訳（メタデータ） (2025-02-03T15:33:11Z)
• Fab-ME: A Vision State-Space and Attention-Enhanced Framework for Fabric Defect Detection [4.272401529389713]
  YOLOv8sをベースとした先進的なフレームワークであるFab-MEを提案し,20種類のファブリック欠陥を正確に検出する。 コントリビューションには2つのコンボリューション(C2F)ビジョン状態空間(C2F-VMamba)モジュールによるクロスステージ部分ボトルネックの導入が含まれている。 Tianchiファブリック欠陥検出データセットの実験結果から、Fab-MEは元のYOLOv8と比べてmAP@0.5で3.5%改善していることがわかった。
  論文  参考訳（メタデータ） (2024-12-04T10:40:17Z)
• FAM Diffusion: Frequency and Attention Modulation for High-Resolution Image Generation with Stable Diffusion [63.609399000712905]
  スケールした解像度での推論は反復的なパターンと構造的歪みをもたらす。 これらの問題を解決するために組み合わせた2つの単純なモジュールを提案する。 我々の手法はファム拡散と呼ばれ、任意の潜在拡散モデルにシームレスに統合でき、追加の訓練を必要としない。
  論文  参考訳（メタデータ） (2024-11-27T17:51:44Z)
• Towards Neural Scaling Laws for Time Series Foundation Models [63.5211738245487]
  我々は、エンコーダオンリーとデコーダオンリーのトランスフォーマーの2つの一般的なTSFMアーキテクチャについて検討し、IDおよびOODデータのスケーリング挙動について検討する。 実験の結果,TSFMのログライクな損失はOODとID設定の両方で同様のスケーリング挙動を示すことがわかった。 モデル機能を強化した大規模TSFMの設計とスケーリングのための実用的なガイドラインを提供する。
  論文  参考訳（メタデータ） (2024-10-16T08:23:39Z)
• YOLO-pdd: A Novel Multi-scale PCB Defect Detection Method Using Deep Representations with Sequential Images [7.368447690189973]
  本稿では,CNNに基づくPCB欠陥検出のための高精度で堅牢でリアルタイムなエンドツーエンド手法を提案する。 本稿では, YOLOv5とマルチスケールモジュールを組み合わせた階層的残差接続手法を提案する。 大規模PCBデータセットの実験では、既存の手法と比較して精度、リコール、F1スコアが大幅に改善された。
  論文  参考訳（メタデータ） (2024-07-22T07:08:22Z)
• M2CVD: Enhancing Vulnerability Semantic through Multi-Model Collaboration for Code Vulnerability Detection [52.4455893010468]
  大規模言語モデル(LLM)は、コード理解において強力な能力を持つが、微調整コストとセマンティックアライメントの問題により、プロジェクト固有の最適化が制限される。 CodeBERTのようなコードモデルは微調整が容易であるが、複雑なコード言語から脆弱性のセマンティクスを学ぶことはしばしば困難である。 本稿では,M2CVD(Multi-Model Collaborative Vulnerability Detection)手法を提案する。
  論文  参考訳（メタデータ） (2024-06-10T00:05:49Z)
• Joint Attention-Guided Feature Fusion Network for Saliency Detection of Surface Defects [69.39099029406248]
  本稿では,エンコーダ・デコーダネットワークに基づく表面欠陥検出のための共同注意誘導型特徴融合ネットワーク(JAFFNet)を提案する。 JAFFNetは、主にJAFFモジュールをデコードステージに組み込んで、低レベルと高レベルの機能を適応的に融合させる。 SD- Saliency-900, Magnetic tile, and DAGM 2007 で行った実験から,本手法が他の最先端手法と比較して有望な性能を達成できたことが示唆された。
  論文  参考訳（メタデータ） (2024-02-05T08:10:16Z)
• CINFormer: Transformer network with multi-stage CNN feature injection for surface defect segmentation [73.02218479926469]
  表面欠陥分割のための多段CNN特徴注入を用いた変圧器ネットワークを提案する。 CINFormerは、入力画像のマルチレベルCNN機能をエンコーダ内のトランスフォーマーネットワークの異なるステージに注入する、シンプルだが効果的な機能統合機構を提供する。 さらに、CINFormerはTop-Kセルフアテンションモジュールを提供し、欠陥に関するより重要な情報を持つトークンにフォーカスする。
  論文  参考訳（メタデータ） (2023-09-22T06:12:02Z)
• Effective Transfer of Pretrained Large Visual Model for Fabric Defect Segmentation via Specifc Knowledge Injection [15.171188183349395]
  本研究では,繊維欠陥の専門知識をSAM(Segment Anything Model)に注入する革新的な手法を提案する。 ファブリック欠陥関連パラメータのユニークなセットを導入し、訓練することにより、このアプローチはドメイン固有の知識をSAMにシームレスに統合する。 実験結果から, 汎用的知識とファブリック特化知識の融合によるモデルセグメンテーション性能の大幅な向上が示された。
  論文  参考訳（メタデータ） (2023-06-28T13:08:08Z)
• Adaptive Memory Networks with Self-supervised Learning for Unsupervised Anomaly Detection [54.76993389109327]
  教師なし異常検出は、通常のデータのみをトレーニングすることで、目に見えない異常を検出するモデルを構築することを目的としている。 本稿では,これらの課題に対処するために,自己教師付き学習(AMSL)を用いた適応記憶ネットワーク(Adaptive Memory Network)を提案する。 AMSLには、一般的な正規パターンを学ぶための自己教師付き学習モジュールと、リッチな特徴表現を学ぶための適応型メモリ融合モジュールが組み込まれている。
  論文  参考訳（メタデータ） (2022-01-03T03:40:21Z)
• A Cascaded Zoom-In Network for Patterned Fabric Defect Detection [8.789819609485225]
  パターン欠陥検出のための2ステップのカスケード型Zoom-In Network(CZI-Net)を提案する。 CZI-Netでは、Aggregated HOG (A-HOG) とSIFTの機能は、特徴抽出のための単純な畳み込みフィルタの代わりに使われる。 実世界のデータセットに基づく実験を行い,提案手法が計算学的に単純であるだけでなく,高精度に検出できることを実証した。
  論文  参考訳（メタデータ） (2021-08-15T15:29:26Z)

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。