論文の概要: Electrolyzers-HSI: Close-Range Multi-Scene Hyperspectral Imaging Benchmark Dataset

• arxiv url: http://arxiv.org/abs/2505.20507v2
• Date: Thu, 05 Jun 2025 10:02:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-06 19:24:15.997694
• Title: Electrolyzers-HSI: Close-Range Multi-Scene Hyperspectral Imaging Benchmark Dataset
• Title（参考訳）: Electrolyzers-HSI: Close-Range Multi-Scene Hyperspectral Imaging Benchmark Dataset
• Abstract要約: textbfElectrolyzers-HSIは、重要な原料の回収を促進するために設計された、新しいマルチモーダルベンチマークデータセットである。 このデータセットは、共登録された55個の高解像度RGB画像と、400-2500nmのスペクトル範囲にまたがるハイパースペクトルイメージング(HSI)データキューブからなる。 これにより、切断された電解質試料の非侵襲的なスペクトル分析が可能となり、定量的および定性的な物質分類とスペクトル特性の調査をサポートする。
• 参考スコア（独自算出の注目度）: 8.578006502996516
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The global challenge of sustainable recycling demands automated, fast, and accurate, state-of-the-art (SOTA) material detection systems that act as a bedrock for a circular economy. Democratizing access to these cutting-edge solutions that enable real-time waste analysis is essential for scaling up recycling efforts and fostering the Green Deal. In response, we introduce \textbf{Electrolyzers-HSI}, a novel multimodal benchmark dataset designed to accelerate the recovery of critical raw materials through accurate electrolyzer materials classification. The dataset comprises 55 co-registered high-resolution RGB images and hyperspectral imaging (HSI) data cubes spanning the 400--2500 nm spectral range, yielding over 4.2 million pixel vectors and 424,169 labeled ones. This enables non-invasive spectral analysis of shredded electrolyzer samples, supporting quantitative and qualitative material classification and spectral properties investigation. We evaluate a suite of baseline machine learning (ML) methods alongside SOTA transformer-based deep learning (DL) architectures, including Vision Transformer, SpectralFormer, and the Multimodal Fusion Transformer, to investigate architectural bottlenecks for further efficiency optimisation when deploying transformers in material identification. We implement zero-shot detection techniques and majority voting across pixel-level predictions to establish object-level classification robustness. In adherence to the FAIR data principles, the electrolyzers-HSI dataset and accompanying codebase are openly available at https://github.com/hifexplo/Electrolyzers-HSI and https://rodare.hzdr.de/record/3668, supporting reproducible research and facilitating the broader adoption of smart and sustainable e-waste recycling solutions.
• Abstract（参考訳）: 持続可能なリサイクルという世界的な課題は、循環経済の基盤として機能する自動化され、高速で、正確で、最先端の物質検知システム(SOTA)を必要とする。 リアルタイム廃棄物分析を可能にする最先端のソリューションへのアクセスを民主化することは、リサイクル活動のスケールアップとグリーンディールの育成に不可欠である。 そこで我々は, 精密な電解質材料分類により, 臨界原料の回収を高速化する新しいマルチモーダル・ベンチマーク・データセットである, textbf{Electrolyzers-HSI}を紹介した。 このデータセットは、共同登録された55の高解像度RGB画像と400-2500nmのスペクトル範囲にまたがるハイパースペクトルイメージング(HSI)データキューブで構成され、420万画素のベクターと424,169個のラベル付きキューブを生成する。 これにより、切断された電解質試料の非侵襲的なスペクトル分析が可能となり、定量的および定性的な物質分類とスペクトル特性の調査をサポートする。 我々は,SOTA変換器をベースとした深層学習(DL)アーキテクチャと併用したベースライン機械学習(ML)手法を,ビジョン変換器,スペクトル変換器,マルチモーダルフュージョン変換器などとともに評価し,材料識別にトランスフォーマーを配置する際のアーキテクチャ上のボトルネックについて検討する。 我々は,ゼロショット検出技術を実装し,画素レベルの予測に対して多数決を行い,オブジェクトレベルの分類ロバスト性を確立する。 FAIRデータ原則に従って、電解器-HSIデータセットと付随コードベースは、https://github.com/hifexplo/Electrolyzers-HSIとhttps://rodare.hzdr.de/record/3668で公開されており、再現可能な研究をサポートし、スマートで持続可能なe-wasteリサイクルソリューションの採用を促進する。

関連論文リスト

• MWIR-4-Plastic: The Identification of Complex End-of-Life Industrial Plastic using Mid-wave Infrared Hyperspectral Imaging and Machine Learning [7.766403812781242]
  ブラック・インダストリアル・プラスチックは少数派であり、ほとんどの分類パイプラインは手動の領域選択とルールベースのスペクトルマッチングに依存している。 我々は,フォアグラウンド分離,画素ワイズ分類,オブジェクトレベルの多数決を統合したマルチモーダルスペクトル空間フレームワークを開発した。 この研究は、化学計測、機械学習、DLアーキテクチャを含む9つの処理方法を用いて、最初の包括的なベンチマークを確立する。
  論文  参考訳（メタデータ） (2026-08-28T21:24:54Z)
• Multi-Modal Semantic Segmentation of Electrolyzer Components for Sustainable Hydrogen Technologies: A Dual-Branch Deep Learning Approach [1.8343941786735474]
  Hyperspectral-RGB Electrolyzer Materials Network (HREM-Net) は、高スペクトルイメージング(HSI)とRGB画像を組み合わせて電解質のセグメンテーションを行う。 適応ゲート型クロスモーダル融合モジュールと複合損失関数により、HREM-Netの平均クラス精度は91.66%、平均インターセクションは0.82である。 この研究は、電解器の効率を向上させる工業的応用としての可能性を示し、それによって水素生産の予測的メンテナンスが向上する。
  論文  参考訳（メタデータ） (2026-07-17T15:34:20Z)
• FLORO: A Multimodal Geospatial Foundation Model for Ecological Remote Sensing Across Sensors and Scales [65.4821703903285]
  FLOROは、小さなが高度に多様なリモートセンシングコーパスから転送可能な表現を学習するために設計されたマルチモーダル基礎モデルである。 FLOROは、Sentinel-1、Sentinel-2、SkySAT画像、標高、UAV由来のデータとの不均一な組み合わせによるマスク付きオートエンコーディングを用いて事前訓練される。 我々は、シーン分類、セグメンテーション、回帰タスクにまたがる凍結エンコーダプロトコルを用いて、PANGAEAベンチマーク上でFLOROを評価した。
  論文  参考訳（メタデータ） (2026-05-27T08:55:54Z)
• Amped: Adaptive Multi-stage Non-edge Pruning for Edge Detection [53.59823657644554]
  エッジ検出のための適応型多段非エッジプルーニングフレームワーク(Amped)を提案する。 Ampedは高信頼の非エッジトークンを識別し、可能な限り早く削除し、計算を大幅に削減する。 既存のエッジ検出ネットワークの構造的複雑さを軽減するため,Streamline Edge Detector(SED)と呼ばれる,シンプルながら高性能なTransformerベースのモデルを導入する。
  論文  参考訳（メタデータ） (2026-03-29T12:26:35Z)
• CLAIRE: Compressed Latent Autoencoder for Industrial Representation and Evaluation -- A Deep Learning Framework for Smart Manufacturing [51.56484100374058]
  CLAIREは、教師なしの深層表現学習と、スマート製造システムにおけるインテリジェントな品質管理のための教師付き分類を統合したハイブリッドエンドツーエンド学習フレームワークである。 最適化されたディープオートエンコーダを使用して、生の入力をコンパクトな潜伏空間に変換し、不適切な特徴やノイズを抑えながら本質的なデータ構造を効果的にキャプチャする。 提案したフレームワークは、堅牢な障害検出のために、説明可能なAIと機能認識の正規化を統合する可能性を強調している。
  論文  参考訳（メタデータ） (2026-03-06T15:11:58Z)
• An Integrated System for WEEE Sorting Employing X-ray Imaging, AI-based Object Detection and Segmentation, and Delta Robot Manipulation [0.0]
  バッテリーの使用が急速に増加し、天然資源が限られているため、バッテリーリサイクルはますます重要になっている。 電池のエネルギー密度が上昇し続けるにつれて、リサイクル中の不適切な取扱いは、リサイクル施設での潜在的な火災を含む重大な安全上の危険をもたらす。 我々は,先進的な前処理アルゴリズムを用いて,特殊なX線透過双対エネルギーイメージングサブシステムを統合する新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-12-05T10:36:33Z)
• Hyperspectral Imaging [49.45523645429475]
  ハイパースペクトルイメージング(Hyperspectral Imaging、HSI)は、空間情報とスペクトル情報を同時にキャプチャする高度なセンシングモダリティである。 このプライマーは、基礎となる物理原理とセンサーアーキテクチャから、データ取得、キャリブレーション、修正における重要なステップまで、HSIの概要を包括的に示す。
  論文  参考訳（メタデータ） (2025-08-11T15:47:24Z)
• Quanv4EO: Empowering Earth Observation by means of Quanvolutional Neural Networks [62.12107686529827]
  本稿は、大量のリモートセンシングデータの処理において、量子コンピューティング技術を活用することへの大きなシフトを取り上げる。 提案したQuanv4EOモデルでは,多次元EOデータを前処理するための準進化法が導入された。 主要な知見は,提案モデルが画像分類の精度を維持するだけでなく,EOのユースケースの約5%の精度向上を図っていることを示唆している。
  論文  参考訳（メタデータ） (2024-07-24T09:11:34Z)
• Hyperspectral Dataset and Deep Learning methods for Waste from Electric and Electronic Equipment Identification (WEEE) [0.0]
  ハイパースペクトル画像分割のための多種多様なディープラーニングアーキテクチャの性能を評価する。 その結果,空間情報をスペクトルデータと組み合わせることで,セグメンテーション結果が改善された。 我々は、Tecnalia WEEE Hyperspectralデータセットのクリーニングと公開によって、この分野に貢献する。
  論文  参考訳（メタデータ） (2024-07-05T13:45:11Z)
• PCB-Vision: A Multiscene RGB-Hyperspectral Benchmark Dataset of Printed Circuit Boards [11.658030498915535]
  PCB-Vision」はRGB-ハイパースペクトルプリント基板(PCB)ベンチマークデータセットであり、53枚の高分解能画像とそれに対応する高分解能ハイパースペクトルデータ立方体を可視・近赤外域(VNIR)の範囲で組み合わせた。 提案したデータセットについて,U-Net,Atention U-Net,Residual U-Net,LinkNet,DeepLabv3+など,いくつかの最先端(SOTA)モデルのパフォーマンスとともに,広範な統計的調査を行った。
  論文  参考訳（メタデータ） (2024-01-12T12:00:26Z)
• ADASR: An Adversarial Auto-Augmentation Framework for Hyperspectral and Multispectral Data Fusion [54.668445421149364]
  HSI(Deep Learning-based Hyperspectral Image)は、HSI(Hyperspectral Image)とMSI(Multispectral Image)を深層ニューラルネットワーク(DNN)に融合させることにより、高空間分解能HSI(HR-HSI)を生成することを目的としている。 本稿では, HSI-MSI 融合のためのデータ多様性を向上するために, HSI-MSI サンプルペアの自動最適化と拡張を行う新しい逆自動データ拡張フレームワーク ADASR を提案する。
  論文  参考訳（メタデータ） (2023-10-11T07:30:37Z)
• Autonomous Point Cloud Segmentation for Power Lines Inspection in Smart Grid [56.838297900091426]
  高電圧と低電圧の両方の電力線の特徴を検出し,抽出し,解析するために,教師なし機械学習(ML)フレームワークを提案する。 提案フレームワークは電力線を効率よく検出し,PLCに基づくハザード解析を行う。
  論文  参考訳（メタデータ） (2023-08-14T17:14:58Z)
• Machine Learning Benchmarks for the Classification of Equivalent Circuit Models from Electrochemical Impedance Spectra [0.0]
  本稿では,BatteryDEVハッカソン用にQuantumScapeが提供する9,300のインピーダンススペクトルを分類する機械学習手法を紹介する。 重要な課題はラベルの識別可能性であり、モデル性能と誤分類スペクトルの比較によって下線化されている。
  論文  参考訳（メタデータ） (2023-02-07T10:08:35Z)
• Supervised classification methods applied to airborne hyperspectral images: Comparative study using mutual information [0.0]
  本稿では,SVM,Random Forest RF,K-Nearest Neighbors KNN,Linear Discriminant Analysis LDAの4つの教師付き学習アルゴリズムの性能について検討する。 実験は、NASAの空中可視/赤外線イメージング分光計センサーAVIRISと反射光学系イメージング分光計ROSISセンサーから得られた3つの実際のハイパースペクトルデータセットで実施された。
  論文  参考訳（メタデータ） (2022-10-27T13:39:08Z)
• RGB-X Classification for Electronics Sorting [10.409080299411645]
  マルチモーダル画像分類手法であるRGB-Xを導入し、X線画像から生成された画像と外部RGB画像からの重要な特徴を利用して電子オブジェクトを正確に分類する。 本稿では,X線領域に適用した領域ランダム化を用いた新しい合成データセット作成手法を提案する。 組み合わせたRGB-Xアプローチでは、10世代のスマートフォンで98.6%の精度が得られ、これは個々のアキュラシーの89.1%(RGB)と97.9%(X線)より大きい。
  論文  参考訳（メタデータ） (2022-09-08T00:33:00Z)
• MetaGraspNet: A Large-Scale Benchmark Dataset for Scene-Aware Ambidextrous Bin Picking via Physics-based Metaverse Synthesis [72.85526892440251]
  本稿では,物理に基づくメタバース合成により構築した大規模写真リアリスティックビンピックデータセットであるMetaGraspNetを紹介する。 提案データセットは,82種類の記事に対して217kのRGBD画像を含み,オブジェクト検出,アモーダル認識,キーポイント検出,操作順序,および並列ジャウと真空グリップパー用のアンビデクストグリップラベルの完全なアノテーションを備える。 また,2.3k以上の完全アノテートされた高品質なRGBD画像からなる実際のデータセットを5段階の難易度と,異なるオブジェクトおよびレイアウト特性を評価するための見えないオブジェクトセットに分割する。
  論文  参考訳（メタデータ） (2022-08-08T08:15:34Z)
• Remote Sensing Image Classification using Transfer Learning and Attention Based Deep Neural Network [59.86658316440461]
  本稿では、転送学習技術とマルチヘッドアテンションスキームを活用した、深層学習に基づくRSISCフレームワークを提案する。 提案したディープラーニングフレームワークは、ベンチマークNWPU-RESISC45データセットに基づいて評価され、最高の分類精度94.7%を達成する。
  論文  参考訳（メタデータ） (2022-06-20T10:05:38Z)
• Tensor Decompositions for Hyperspectral Data Processing in Remote Sensing: A Comprehensive Review [85.36368666877412]
  ハイパースペクトル(HS)リモートセンシング(RS)イメージングは、地球表面の観測と分析のためにかなりの量の空間的およびスペクトル的情報を提供している。 近年のHS RS技術の進歩と革命は、様々な応用の可能性を実現する機会を与えている。 3次元HS固有の構造が維持されているため、テンソル分解はHSデータ処理タスクにおける幅広い関心や研究を引き起こしている。
  論文  参考訳（メタデータ） (2022-05-13T00:39:23Z)

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。