論文の概要: Differentiable NMS via Sinkhorn Matching for End-to-End Fabric Defect Detection

• arxiv url: http://arxiv.org/abs/2505.07040v1
• Date: Sun, 11 May 2025 16:22:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-13 20:21:49.175585
• Title: Differentiable NMS via Sinkhorn Matching for End-to-End Fabric Defect Detection
• Title（参考訳）: エンド・ツー・エンドファブリック欠陥検出のためのシンクホーンマッチングによる識別可能なNMS
• Authors: Zhengyang Lu, Bingjie Lu, Weifan Wang, Feng Wang,
• Abstract要約: ファブリック欠陥検出のためのNMSフレームワークは、エンドツーエンドの最適化により、より優れたローカライズ精度を実現する。 Sinkhorn-Knoppアルゴリズムを用いてNMSを微分可能な二部マッチング問題として再構成する。 Tianchiファブリック欠陥データセットの実験では、既存のメソッドよりも大幅にパフォーマンスが向上した。
• 参考スコア（独自算出の注目度）: 2.2901095820275317
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fabric defect detection confronts two fundamental challenges. First, conventional non-maximum suppression disrupts gradient flow, which hinders genuine end-to-end learning. Second, acquiring pixel-level annotations at industrial scale is prohibitively costly. Addressing these limitations, we propose a differentiable NMS framework for fabric defect detection that achieves superior localization precision through end-to-end optimization. We reformulate NMS as a differentiable bipartite matching problem solved through the Sinkhorn-Knopp algorithm, maintaining uninterrupted gradient flow throughout the network. This approach specifically targets the irregular morphologies and ambiguous boundaries of fabric defects by integrating proposal quality, feature similarity, and spatial relationships. Our entropy-constrained mask refinement mechanism further enhances localization precision through principled uncertainty modeling. Extensive experiments on the Tianchi fabric defect dataset demonstrate significant performance improvements over existing methods while maintaining real-time speeds suitable for industrial deployment. The framework exhibits remarkable adaptability across different architectures and generalizes effectively to general object detection tasks.
• Abstract（参考訳）: ファブリック欠陥検出は2つの根本的な課題に直面している。 第一に、従来の非最大抑圧は、真のエンドツーエンド学習を妨げる勾配流を妨害する。 第二に、工業規模でのピクセルレベルのアノテーションの取得は違法にコストがかかる。 これらの制約に対処するため,エンド・ツー・エンドの最適化によりより優れたローカライズ精度を実現するファブリック欠陥検出のための差別化可能なNMSフレームワークを提案する。 我々は,NMSをSinkhorn-Knoppアルゴリズムで解いた二部分整合問題として再構成し,ネットワーク全体の不断勾配流を維持する。 提案手法は, 提案品質, 特徴類似性, 空間的関係を組み込むことにより, 不規則な形態とファブリック欠陥のあいまいな境界を特に対象とする。 我々のエントロピー制約マスク改善機構は、原理的不確実性モデリングによる局所化精度をさらに向上させる。 Tianchiファブリック欠陥データセットの大規模な実験は、産業展開に適したリアルタイム速度を維持しながら、既存の方法よりも大幅に性能が向上したことを示している。 このフレームワークは、異なるアーキテクチャにまたがる顕著な適応性を示し、汎用オブジェクト検出タスクに効果的に一般化する。

関連論文リスト

• Robust Distribution Alignment for Industrial Anomaly Detection under Distribution Shift [51.24522135151649]
  異常検出は産業アプリケーションの品質管理において重要な役割を担っている。 既存の方法は、一般化可能なモデルをトレーニングすることで、ドメインシフトに対処しようとする。 提案手法は,最先端の異常検出法や領域適応法と比較して,優れた結果を示す。
  論文  参考訳（メタデータ） (2025-03-19T05:25:52Z)
• PA-CLIP: Enhancing Zero-Shot Anomaly Detection through Pseudo-Anomaly Awareness [10.364634539199422]
  本稿では,背景雑音を低減し,擬似異常に基づくフレームワークによる欠陥検出を向上するゼロショット異常検出手法であるPA-CLIPを紹介する。 提案手法は,グローバルおよびローカルの詳細な情報を収集するためのマルチスケール特徴集約戦略を統合する。 既存のゼロショット法よりも優れており、工業的欠陥検出のための堅牢なソリューションを提供する。
  論文  参考訳（メタデータ） (2025-03-03T08:29:27Z)
• 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)
• Feature Attenuation of Defective Representation Can Resolve Incomplete Masking on Anomaly Detection [1.0358639819750703]
  教師なし異常検出(UAD)研究では、計算効率が高くスケーラブルなソリューションを開発する必要がある。 再建・塗り替えのアプローチを再考し、強みと弱みを分析して改善する。 異常再構成の特徴情報を減衰させる2つの層のみを用いるFADeR(Feature Attenuation of Defective Representation)を提案する。
  論文  参考訳（メタデータ） (2024-07-05T15:44:53Z)
• Self-supervised Feature Adaptation for 3D Industrial Anomaly Detection [59.41026558455904]
  具体的には,大規模ビジュアルデータセット上で事前学習されたモデルを利用した初期のマルチモーダルアプローチについて検討する。 本研究では,アダプタを微調整し,異常検出に向けたタスク指向の表現を学習するためのLSFA法を提案する。
  論文  参考訳（メタデータ） (2024-01-06T07:30:41Z)
• Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning [52.06176253457522]
  本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。 CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-08-18T13:13:09Z)
• SEMI-DiffusionInst: A Diffusion Model Based Approach for Semiconductor Defect Classification and Segmentation [0.11999555634662631]
  この研究は拡散モデルを用いて半導体欠陥パターンを正確に検出し、正確にセグメント化する最初の実演である。 提案手法は,mAP全体のこれまでの成果よりも優れており,ほぼすべての欠陥クラスに対して比較的優れた性能を示す。
  論文  参考訳（メタデータ） (2023-07-17T17:53:36Z)
• Neural Networks with Quantization Constraints [111.42313650830248]
  量子化学習における制約付き学習手法を提案する。 結果の問題は強い双対であり、勾配推定は不要であることを示す。 提案手法は画像分類タスクにおける競合性能を示す。
  論文  参考訳（メタデータ） (2022-10-27T17:12:48Z)
• Maximum Spatial Perturbation Consistency for Unpaired Image-to-Image Translation [56.44946660061753]
  本稿では,最大空間摂動整合(MSPC)と呼ばれる普遍正規化手法を提案する。 MSPCは空間摂動関数(T)と変換演算子(G)を可換(TG = GT)に強制する。 提案手法は,ほとんどのI2Iベンチマークにおいて最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2022-03-23T19:59:04Z)
• 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。