論文の概要: CXR-AD: Component X-ray Image Dataset for Industrial Anomaly Detection

• arxiv url: http://arxiv.org/abs/2505.03412v1
• Date: Tue, 06 May 2025 10:38:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-07 18:50:11.337837
• Title: CXR-AD: Component X-ray Image Dataset for Industrial Anomaly Detection
• Title（参考訳）: CXR-AD:産業異常検出のためのコンポーネントX線画像データセット
• Authors: Haoyu Bai, Jie Wang, Gaomin Li, Xuan Li, Xiaohu Zhang, Xia Yang,
• Abstract要約: 実世界のX線画像を含む最初の公開アクセス可能なコンポーネントであるX線異常検出データセットを構築した。 データセットには,653の正常サンプルと,正確なピクセルレベルのマスクアノテーションを備えた561の欠陥サンプルを含む,5つの産業コンポーネントカテゴリが含まれている。 我々の知る限り、CXR-ADは、コンポーネント異常検出のための初めての公開X線データセットである。
• 参考スコア（独自算出の注目度）: 11.43229492795515
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Internal defect detection constitutes a critical process in ensuring component quality, for which anomaly detection serves as an effective solution. However, existing anomaly detection datasets predominantly focus on surface defects in visible-light images, lacking publicly available X-ray datasets targeting internal defects in components. To address this gap, we construct the first publicly accessible component X-ray anomaly detection (CXR-AD) dataset, comprising real-world X-ray images. The dataset covers five industrial component categories, including 653 normal samples and 561 defect samples with precise pixel-level mask annotations. We systematically analyze the dataset characteristics and identify three major technical challenges: (1) strong coupling between complex internal structures and defect regions, (2) inherent low contrast and high noise interference in X-ray imaging, and (3) significant variations in defect scales and morphologies. To evaluate dataset complexity, we benchmark three state-of-the-art anomaly detection frameworks (feature-based, reconstruction-based, and zero-shot learning methods). Experimental results demonstrate a 29.78% average performance degradation on CXR-AD compared to MVTec AD, highlighting the limitations of current algorithms in handling internal defect detection tasks. To the best of our knowledge, CXR-AD represents the first publicly available X-ray dataset for component anomaly detection, providing a real-world industrial benchmark to advance algorithm development and enhance precision in internal defect inspection technologies.
• Abstract（参考訳）: 内部欠陥検出は、コンポーネントの品質を保証する上で重要なプロセスであり、異常検出が有効な解決策となる。 しかし、既存の異常検出データセットは主に可視光画像の表面欠陥に焦点を当てており、コンポーネントの内部欠陥をターゲットとしたX線データセットが公開されていない。 このギャップに対処するため、現実世界のX線画像からなる最初の公開アクセス可能なコンポーネントX線異常検出(CXR-AD)データセットを構築した。 データセットには,653の正常サンプルと,正確なピクセルレベルのマスクアノテーションを備えた561の欠陥サンプルを含む,5つの産業コンポーネントカテゴリが含まれている。 我々は,(1)複雑な内部構造と欠陥領域の強い結合,(2)X線画像における固有の低コントラストと高ノイズ干渉,(3)欠陥スケールと形態の有意な変化,の3つの技術的課題を系統的に分析し,その技術的課題を明らかにした。 データセットの複雑さを評価するため、3つの最先端の異常検出フレームワーク(機能ベース、再構成ベース、ゼロショット学習)をベンチマークした。 実験の結果、CXR-ADはMVTec ADと比較して平均29.78%の性能低下を示し、内部欠陥検出タスクの処理における現在のアルゴリズムの限界を強調した。 我々の知る限り、CXR-ADは、コンポーネント異常検出のための初めての公開X線データセットであり、アルゴリズム開発を推進し、内部欠陥検査技術の精度を高めるための実世界の産業ベンチマークを提供する。

関連論文リスト

• Superpowering Open-Vocabulary Object Detectors for X-ray Vision [53.07098133237041]
  オープンボキャブラリオブジェクト検出(OvOD)は、X線スキャンで任意のアイテムを認識できるようにすることで、セキュリティスクリーニングに革命をもたらす。 RAXOは市販のRGB OvOD検出器を高強度X線検出に活用するフレームワークである。 RAXOはデュアルソース検索戦略を用いて高品質なX線クラス記述子を構築する。
  論文  参考訳（メタデータ） (2025-03-21T11:54:16Z)
• A Multimodal Fusion Framework for Bridge Defect Detection with Cross-Verification [0.0]
  本稿では,橋梁欠陥の検出と解析のための多モード融合フレームワークを提案する。 非破壊的評価(NDE)技術と高度な画像処理を統合し、正確な構造評価を可能にする。
  論文  参考訳（メタデータ） (2024-12-23T20:33:34Z)
• Texture-AD: An Anomaly Detection Dataset and Benchmark for Real Algorithm Development [8.290951816115887]
  代表的なテクスチャに基づく異常検出に基づくTexture-ADベンチマークを提案する。 このデータセットには、15の異なる布、14の半導体ウェハ、10の金属板の画像が含まれている。 私たちの知る限り、Texture-ADは、産業的欠陥検出アルゴリズムを実世界で評価するための最初のデータセットです。
  論文  参考訳（メタデータ） (2024-09-10T09:44:38Z)
• Weakly Supervised Anomaly Detection for Chest X-Ray Image [6.506869371228188]
  胸部X線検査のための弱教師付き異常検出フレームワークを提案する。 WSCXRは、まず、正常な特徴と異常な特徴のセットをそれぞれ構築する。 その後、異常特徴抽出により正常領域の特徴を排除し、異常画像の特徴を洗練する。
  論文  参考訳（メタデータ） (2023-11-16T07:53:34Z)
• K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality Assessment [71.27193056354741]
  クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。 本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。 K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
  論文  参考訳（メタデータ） (2023-07-10T01:26:48Z)
• Defect detection and segmentation in X-Ray images of magnesium alloy castings using the Detectron2 framework [0.13764085113103217]
  新しい製造技術により、より複雑な形状の金属部品を製造することが可能となり、品質管理プロセスがより困難になった。 X線画像により、このプロセスはより簡単になり、表面欠陥をより単純な方法で検出できるだけでなく、溶接や鋳造の欠陥も検出できるようになった。 本研究の目的は,画像中の物体の検出とセグメンテーションに応用された最先端ライブラリである Detectron2 に基づくディープラーニングシステムを適用することである。
  論文  参考訳（メタデータ） (2022-02-28T16:53:09Z)
• Generative Residual Attention Network for Disease Detection [51.60842580044539]
  本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。 我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。 次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
  論文  参考訳（メタデータ） (2021-10-25T14:15:57Z)
• Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
  我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-14T16:50:50Z)
• Deep Mining External Imperfect Data for Chest X-ray Disease Screening [57.40329813850719]
  我々は、外部のCXRデータセットを組み込むことで、不完全なトレーニングデータにつながると論じ、課題を提起する。 本研究は,多ラベル病分類問題を重み付き独立二分課題として分類する。 我々のフレームワークは、ドメインとラベルの相違を同時にモデル化し、対処し、優れた知識マイニング能力を実現する。
  論文  参考訳（メタデータ） (2020-06-06T06:48:40Z)

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。