論文の概要: Application Research of a Deep Learning Model Integrating CycleGAN and YOLO in PCB Infrared Defect Detection

• arxiv url: http://arxiv.org/abs/2601.00237v1
• Date: Thu, 01 Jan 2026 07:01:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-05 15:04:33.331015
• Title: Application Research of a Deep Learning Model Integrating CycleGAN and YOLO in PCB Infrared Defect Detection
• Title（参考訳）: PCB赤外線欠陥検出におけるCycleGANとYOLOを統合したディープラーニングモデルの応用研究
• Authors: Chao Yang, Haoyuan Zheng, Yue Ma,
• Abstract要約: 本稿では,CycleGANとYOLOv8を統合したクロスモーダルデータ拡張フレームワークを提案する。 我々は、CycleGANを利用して未ペア画像から画像への変換を行い、豊富な可視光PCB画像を赤外線領域にマッピングする。 我々は、生成した擬似赤外線データを限られた実赤外サンプルで融合させて、軽量なYOLOv8検出器を訓練する異種トレーニング戦略を構築した。
• 参考スコア（独自算出の注目度）: 7.407155043542133
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper addresses the critical bottleneck of infrared (IR) data scarcity in Printed Circuit Board (PCB) defect detection by proposing a cross-modal data augmentation framework integrating CycleGAN and YOLOv8. Unlike conventional methods relying on paired supervision, we leverage CycleGAN to perform unpaired image-to-image translation, mapping abundant visible-light PCB images into the infrared domain. This generative process synthesizes high-fidelity pseudo-IR samples that preserve the structural semantics of defects while accurately simulating thermal distribution patterns. Subsequently, we construct a heterogeneous training strategy that fuses generated pseudo-IR data with limited real IR samples to train a lightweight YOLOv8 detector. Experimental results demonstrate that this method effectively enhances feature learning under low-data conditions. The augmented detector significantly outperforms models trained on limited real data alone and approaches the performance benchmarks of fully supervised training, proving the efficacy of pseudo-IR synthesis as a robust augmentation strategy for industrial inspection.
• Abstract（参考訳）: 本稿では、CycleGANとYOLOv8を統合したクロスモーダルデータ拡張フレームワークを提案することにより、プリント回路基板(PCB)欠陥検出における赤外線データ不足の重大なボトルネックを解決する。 従来の監視手法とは異なり、我々はCycleGANを利用して、豊富な可視光PCB画像を赤外線領域にマッピングする。 この生成過程は、熱分布パターンを正確にシミュレートしながら欠陥の構造的意味を保存する高忠実な擬似赤外線サンプルを合成する。 続いて、生成された擬似赤外線データを限られた実赤外サンプルで融合させて、軽量なYOLOv8検出器を訓練する異種トレーニング戦略を構築した。 実験結果から,この手法は低データ条件下での特徴学習を効果的に促進することが示された。 拡張現実検出器は、限られた実データだけで訓練されたモデルよりも大幅に優れており、産業検査のための堅牢な増強戦略として擬似赤外線合成の有効性を証明し、完全教師付きトレーニングのパフォーマンスベンチマークにアプローチしている。

関連論文リスト

• FusionNet: Physics-Aware Representation Learning for Multi-Spectral and Thermal Data via Trainable Signal-Processing Priors [5.7532749393107645]
  この研究は、長期の物理過程の安定なシグネチャをモデル化する物理認識表現学習フレームワークを導入する。 提案したバックボーンは、訓練可能な差動信号処理を畳み込み層に埋め込み、混合プーリング戦略を組み合わせて、より広い受容場を利用する。 DGCNNはSWIR比で88.7%、FusionNetは90.6%に達している。
  論文  参考訳（メタデータ） (2025-12-22T15:59:37Z)
• Conditional Denoising Diffusion Model-Based Robust MR Image Reconstruction from Highly Undersampled Data [11.174208209806073]
  アンダーサンプリング戦略は画像の取得を加速させるが、多くの場合、画像のアーティファクトと劣化した品質をもたらす。 近年の拡散モデルでは、強力な画像先行学習により、アンダーサンプルデータから高忠実度画像の再構成が期待されている。 本稿では,反復的データ一貫性補正を伴う条件付きデノナイジング拡散フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-07T18:01:08Z)
• Rethinking Evaluation of Infrared Small Target Detection [105.59753496831739]
  本稿では,画素レベルと目標レベルのパフォーマンスを取り入れたハイブリッドレベルのメトリクスを導入し,システム的エラー解析手法を提案し,クロスデータセット評価の重要性を強調した。 標準化されたベンチマークを容易にするオープンソースツールキットがリリースされた。
  論文  参考訳（メタデータ） (2025-09-21T02:45:07Z)
• Learning A Robust RGB-Thermal Detector for Extreme Modality Imbalance [10.189143024910598]
  RGBサーマル(RGB-T)オブジェクト検出は、熱赤外(TIR)画像を用いてRGBデータを補完し、困難な条件下での堅牢性を改善する。 従来のRGB-T検出器は、両モードが等しく寄与するバランスの取れたトレーニングデータを仮定する。 本稿では,新しいベース・アンド・オシリリア検出器アーキテクチャを提案することで,これらの課題に対処する。
  論文  参考訳（メタデータ） (2025-05-28T09:18:55Z)
• DEAL: Data-Efficient Adversarial Learning for High-Quality Infrared Imaging [47.22313650077835]
  温度劣化シミュレーションをミニマックス最適化によりトレーニングプロセスに統合する。 シミュレーションは、目的関数を最大化するために動的であり、これにより、劣化したデータ分布の幅広いスペクトルをキャプチャする。 このアプローチにより、限られたデータによるトレーニングが可能になり、モデルのパフォーマンスが向上する。
  論文  参考訳（メタデータ） (2025-03-02T14:15:44Z)
• SIRST-5K: Exploring Massive Negatives Synthesis with Self-supervised Learning for Robust Infrared Small Target Detection [53.19618419772467]
  単一フレーム赤外線小ターゲット検出(SIRST)は、乱雑な背景から小さなターゲットを認識することを目的としている。 Transformerの開発に伴い、SIRSTモデルのスケールは常に増大している。 赤外線小ターゲットデータの多彩な多様性により,本アルゴリズムはモデル性能と収束速度を大幅に改善する。
  論文  参考訳（メタデータ） (2024-03-08T16:14:54Z)
• Thermal-Infrared Remote Target Detection System for Maritime Rescue based on Data Augmentation with 3D Synthetic Data [4.66313002591741]
  本稿では,深層学習とデータ拡張を用いた海難救助のための熱赤外(TIR)遠隔目標検出システムを提案する。 データセットの不足に対処し、モデルの堅牢性を改善するために、3Dゲーム(ARMA3)からの合成データセットを収集する。 提案したセグメンテーションモデルは,最先端セグメンテーション手法の性能を上回る。
  論文  参考訳（メタデータ） (2023-10-31T12:37:49Z)
• Tensor Factorization for Leveraging Cross-Modal Knowledge in Data-Constrained Infrared Object Detection [22.60228799622782]
  赤外線画像における物体検出のボトルネックは、十分なラベル付きトレーニングデータがないことである。 我々は、RGBモードにおけるモデル性能を保ちながら、RGBモードからオブジェクト検出器をIRモードにスケールするために、RGBモードからの手がかりを活用しようとしている。 まず、これらの因子行列をRGBモードで事前トレーニングし、多くのトレーニングデータが存在すると仮定した後、IRモードでトレーニングするためのトレーニング可能なパラメータをわずかに増やして過度な適合を避ける。
  論文  参考訳（メタデータ） (2023-09-28T16:55:52Z)
• Neural BRDF Representation and Importance Sampling [79.84316447473873]
  本稿では,リフレクタンスBRDFデータのコンパクトニューラルネットワークに基づく表現について述べる。 BRDFを軽量ネットワークとしてエンコードし、適応角サンプリングによるトレーニングスキームを提案する。 複数の実世界のデータセットから等方性および異方性BRDFの符号化結果を評価する。
  論文  参考訳（メタデータ） (2021-02-11T12:00:24Z)

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。