論文の概要: Exploring the Role of Artificial Intelligence and Machine Learning in Process Optimization for Chemical Industry
- arxiv url: http://arxiv.org/abs/2502.15768v1
- Date: Sat, 15 Feb 2025 08:45:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-02 02:51:35.207255
- Title: Exploring the Role of Artificial Intelligence and Machine Learning in Process Optimization for Chemical Industry
- Title（参考訳）: 化学産業におけるプロセス最適化における人工知能と機械学習の役割を探る
- Authors: Zishuo Lin, Jiajie Wang, Zhe Yan, Peiyong Ma,
- Abstract要約: MolScribeは、重圧縮(55.8%、99%)で最高の性能を発揮し、損傷のない写真(94.6%)で最も高い識別率を示した。
ディシマーはノイズやブラックオーバーレイに対して強い感度を示したが、イマーゴはベースライン精度が73.6%と低い。
- 参考スコア（独自算出の注目度）: 0.9080020893193377
- License:
- Abstract: The crucial field of Optical Chemical Structure Recognition (OCSR) aims to transform chemical structure photographs into machine-readable formats so that chemical databases may be efficiently stored and queried. Although a number of OCSR technologies have been created, little is known about how well they work in different picture deterioration scenarios. In this work, a new dataset of chemically structured images that have been systematically harmed graphically by compression, noise, distortion, and black overlays is presented. On these subsets, publicly accessible OCSR tools were thoroughly tested to determine how resilient they were to unfavorable circumstances. The outcomes show notable performance variation, underscoring each tool's advantages and disadvantages. Interestingly, MolScribe performed best under heavy compression (55.8% at 99%) and had the highest identification rate on undamaged photos (94.6%). MolVec performed exceptionally well against noise and black overlay (86.8% at 40%), although it declined under extreme distortion (<70%). With recognition rates below 30%, Decimer demonstrated strong sensitivity to noise and black overlay, but Imago had the lowest baseline accuracy (73.6%). The creative assessment of this study offers important new information about how well the OCSR tool performs when images deteriorate, as well as useful standards for tool development in the future.
- Abstract（参考訳）: 光学化学構造認識(OCSR)の重要な分野は、化学データベースを効率的に保存・クエリできるように、化学構造写真を機械可読型に変換することである。
多くのOCSR技術が作成されているが、異なる画像劣化のシナリオでどのように機能するかは分かっていない。
本研究は, 圧縮, ノイズ, 歪み, 黒色オーバーレイによって系統的に損傷を受けた, 化学構造画像の新しいデータセットについて述べる。
これらのサブセットでは、パブリックアクセス可能なOCSRツールを徹底的にテストし、彼らが好ましくない状況にどれだけ耐えられるかを確認した。
結果は顕著なパフォーマンスの変化を示し、それぞれのツールのアドバンテージとデメリットを裏付けている。
興味深いことに、モルスクリブは重い圧縮(55.8%が99%)で最高の性能を発揮し、損傷のない写真(94.6%)で最も高い識別率を示した。
MolVec はノイズやブラックオーバーレイ (86.8% の40%) に対して非常に良好に動作したが、極端な歪み (70%) で低下した。
30%未満の認識率で、ディシマーはノイズやブラックオーバーレイに対して強い感度を示したが、イマーゴの基準精度は73.6%と低かった。
本研究の創造的評価は、OCSRツールが画像の劣化時にどのように機能するかに関する重要な新しい情報を提供するとともに、将来ツール開発に役立つ標準を提供する。
関連論文リスト
- Semi-Truths: A Large-Scale Dataset of AI-Augmented Images for Evaluating Robustness of AI-Generated Image detectors [62.63467652611788]
実画像27,600枚、223,400枚、AI拡張画像1,472,700枚を含むSEMI-TRUTHSを紹介する。
それぞれの画像には、検出器のロバスト性の標準化と目標評価のためのメタデータが添付されている。
以上の結果から,現状の検出器は摂動の種類や程度,データ分布,拡張方法に様々な感度を示すことが示唆された。
論文 参考訳（メタデータ） (2024-11-12T01:17:27Z) - AI-Guided Defect Detection Techniques to Model Single Crystal Diamond Growth [7.708823384783919]
化学気相沈着によるダイヤモンドの成長は 著しい進歩を遂げました
しかし、高品質で大面積の材料生産を達成する上での課題は続いている。
In-situ光画像を用いた欠陥分割パイプラインの研究について詳述する。
論文 参考訳（メタデータ） (2024-04-10T18:58:05Z) - Exposing Image Splicing Traces in Scientific Publications via Uncertainty-guided Refinement [30.698359275889363]
画像操作の疑いのある科学出版物の急増は、多くの撤回につながった。
画像スプライシング検出は、参照画像の欠如と典型的には小さな改ざんされた領域のため、より困難である。
本稿では,破壊要因の影響を軽減するために,不確実性誘導型リファインメントネットワーク(URN)を提案する。
論文 参考訳（メタデータ） (2023-09-28T12:36:12Z) - Classification robustness to common optical aberrations [64.08840063305313]
本稿では,現実的かつ実用的な光ぼけ効果に対するロバスト性を調べるためのベンチマークである OpticsBench を提案する。
ImageNetの実験では、様々な訓練済みのDNNに対して、ディスク形状のカーネルと比較して、パフォーマンスが強いことが示されている。
我々は,光カーネルをデータ拡張として使用することにより,拡張可能なImageNet-100について述べる。
論文 参考訳（メタデータ） (2023-08-29T08:36:00Z) - Automated SSIM Regression for Detection and Quantification of Motion
Artefacts in Brain MR Images [54.739076152240024]
磁気共鳴脳画像における運動アーチファクトは重要な問題である。
MR画像の画質評価は,臨床診断に先立って基本的である。
構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
論文 参考訳（メタデータ） (2022-06-14T10:16:54Z) - ART-SS: An Adaptive Rejection Technique for Semi-Supervised restoration
for adverse weather-affected images [24.03416814412226]
SSR法の性能に及ぼすラベルなしデータの影響について検討する。
性能を劣化させる未ラベル画像の拒否を行う手法を開発した。
論文 参考訳（メタデータ） (2022-03-17T12:00:31Z) - Vision Transformers for femur fracture classification [59.99241204074268]
Vision Transformer (ViT) はテスト画像の83%を正確に予測することができた。
史上最大かつ最もリッチなデータセットを持つサブフラクチャーで良い結果が得られた。
論文 参考訳（メタデータ） (2021-08-07T10:12:42Z) - Contrastive Learning with Stronger Augmentations [63.42057690741711]
本論文では,現在のコントラスト学習のアプローチを補完する,より強い拡張(A)によるコントラスト学習という汎用フレームワークを提案する。
ここでは、表現バンク上の弱強調画像と強拡張画像との間の分布のばらつきを利用して、強拡張クエリの検索を監督する。
実験では、強力な画像からの情報により、パフォーマンスが大幅に向上します。
論文 参考訳（メタデータ） (2021-04-15T18:40:04Z) - Towards Ultrafast MRI via Extreme k-Space Undersampling and
Superresolution [65.25508348574974]
我々は、オリジナルのfastMRIチャレンジを参照するすべての公開論文によって報告されたMRI加速係数を下回る。
低解像を補うための強力な深層学習に基づく画像強化手法を検討する。
復元された画像の品質は他の方法よりも高く、MSEは0.00114、PSNRは29.6 dB、SSIMは0.956 x16加速係数である。
論文 参考訳（メタデータ） (2021-03-04T10:45:01Z) - Learning-based Defect Recognition for Quasi-Periodic Microscope Images [0.0]
原子分解能顕微鏡画像からの格子欠陥の検出を支援する半教師付き機械学習手法を提案する。
これには、画像パッチを欠陥または非欠陥として分類する畳み込みニューラルネットワーク、モデルとして1つの非欠陥パッチを選択するグラフベース、そして最後に自動生成された畳み込みフィルタバンクが含まれる。
このアルゴリズムは、III-V/Si結晶材料上でテストされ、異なる測定値に対してうまく評価され、非常に小さなトレーニングデータセットであっても有望な結果を示す。
論文 参考訳（メタデータ） (2020-07-02T18:00:02Z) - Synthetic Image Augmentation for Damage Region Segmentation using
Conditional GAN with Structure Edge [0.0]
画像から画像への変換マッピングを用いて、損傷画像を生成する合成拡張手法を提案する。
我々は,FCN-8s,SegNet,DeepLabv3+Xception-v2などの画素ごとのセグメンテーションアルゴリズムを適用した。
合成拡張法で加算されたデータセットの再トレーニングは、平均IoU、興味の損傷領域IoU、精度、リコール、BFスコアに基づいて、テスト画像の予測時に精度が高くなることを示した。
論文 参考訳（メタデータ） (2020-05-07T06:04:02Z)
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。