論文の概要: SME-YOLO: A Real-Time Detector for Tiny Defect Detection on PCB Surfaces

• arxiv url: http://arxiv.org/abs/2601.11402v1
• Date: Fri, 16 Jan 2026 16:14:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-19 20:21:50.549551
• Title: SME-YOLO: A Real-Time Detector for Tiny Defect Detection on PCB Surfaces
• Title（参考訳）: SME-YOLO:PCB表面におけるTiny欠陥検出のためのリアルタイム検出装置
• Authors: Meng Han,
• Abstract要約: 本稿では,SME-YOLO(Small-target Multi-scale Enhanced YOLO)という,YOLOv11nに基づく新しいフレームワークを提案する。 マルチスケールの畳み込みを利用して、EUCBは徐々に空間解像度を回復し、小さな欠陥に対するエッジとテクスチャの詳細の保存を強化する。 PKU-PCBデータセットの実験結果は、SME-YOLOが最先端の性能を達成することを示す。
• 参考スコア（独自算出の注目度）: 15.290627957525702
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Surface defects on Printed Circuit Boards (PCBs) directly compromise product reliability and safety. However, achieving high-precision detection is challenging because PCB defects are typically characterized by tiny sizes, high texture similarity, and uneven scale distributions. To address these challenges, this paper proposes a novel framework based on YOLOv11n, named SME-YOLO (Small-target Multi-scale Enhanced YOLO). First, we employ the Normalized Wasserstein Distance Loss (NWDLoss). This metric effectively mitigates the sensitivity of Intersection over Union (IoU) to positional deviations in tiny objects. Second, the original upsampling module is replaced by the Efficient Upsampling Convolution Block (EUCB). By utilizing multi-scale convolutions, the EUCB gradually recovers spatial resolution and enhances the preservation of edge and texture details for tiny defects. Finally, this paper proposes the Multi-Scale Focused Attention (MSFA) module. Tailored to the specific spatial distribution of PCB defects, this module adaptively strengthens perception within key scale intervals, achieving efficient fusion of local fine-grained features and global context information. Experimental results on the PKU-PCB dataset demonstrate that SME-YOLO achieves state-of-the-art performance. Specifically, compared to the baseline YOLOv11n, SME-YOLO improves mAP by 2.2% and Precision by 4%, validating the effectiveness of the proposed method.
• Abstract（参考訳）: プリント回路基板(PCB)の表面欠陥は、製品の信頼性と安全性を直接侵害する。 しかし、PCB欠陥は、通常、小さなサイズ、高いテクスチャ類似性、不均一なスケール分布によって特徴づけられるため、高精度検出は困難である。 そこで本稿では,SME-YOLO(Small-target Multi-scale Enhanced YOLO)という,YOLOv11nに基づく新しいフレームワークを提案する。 まず、正規化ワッサースタイン距離損失(NWDLoss)を用いる。 この計量は、小さな物体の位置偏差に対するIoU(Intersection over Union)の感度を効果的に緩和する。 次に、元のアップサンプリングモジュールは、Efficient Upsampling Convolution Block (EUCB)に置き換えられる。 マルチスケールの畳み込みを利用して、EUCBは徐々に空間解像度を回復し、小さな欠陥に対するエッジとテクスチャの詳細の保存を強化する。 最後に,Multi-Scale Focused Attention (MSFA) モジュールを提案する。 PCB欠陥の空間分布に合わせて、このモジュールはキースケール間隔内の知覚を適応的に強化し、局所的なきめ細かい特徴とグローバルな文脈情報の効率的な融合を実現する。 PKU-PCBデータセットの実験結果は、SME-YOLOが最先端の性能を達成することを示す。 具体的には, ベースラインのYOLOv11nと比較して, SME-YOLOはmAPを2.2%, 精度を4%改善し, 提案手法の有効性を検証した。

関連論文リスト

• MS-ISSM: Objective Quality Assessment of Point Clouds Using Multi-scale Implicit Structural Similarity [65.85858856481131]
  点雲の非構造的で不規則な性質は、客観的品質評価(PCQA)に重大な課題をもたらす マルチスケールインシシシット構造類似度測定(MS-ISSM)を提案する。
  論文  参考訳（メタデータ） (2026-01-03T14:58:52Z)
• Towards Size-invariant Salient Object Detection: A Generic Evaluation and Optimization Approach [118.75896764188424]
  本稿では,既存の広範に使用されているSalient Object Detectionメトリクスの固有サイズ感度を明らかにするために,新しい視点を示す。 この課題に対処するため、汎用的なサイズ不変評価(SIEva)フレームワークが提案されている。 さらに、サイズ不変の原理に固執する専用最適化フレームワーク(SIOpt)を開発し、幅広いサイズにわたる有能な物体の検出を大幅に強化する。
  論文  参考訳（メタデータ） (2025-09-19T04:12:14Z)
• VR-YOLO: Enhancing PCB Defect Detection with Viewpoint Robustness Based on YOLO [1.9861949351136194]
  YOLOv8モデルに基づくVR-YOLOと呼ばれるPCB欠陥検出アルゴリズムを提案する。 本アルゴリズムは,現実的なアプリケーションシナリオにおいて,モデルの一般化性能を改善し,視点の堅牢性を高めることを目的としている。
  論文  参考訳（メタデータ） (2025-06-30T10:50:04Z)
• YOLO-RS: Remote Sensing Enhanced Crop Detection Methods [0.32985979395737786]
  既存のターゲット検出手法は、リモートセンシング画像において、小さなターゲットを扱う際の性能が劣っている。 YOLO-RSは、小さなターゲットの検出を大幅に強化した最新のYolov11に基づいている。 リモートセンシング画像における小目標検出作業におけるYOLO-RSの有効性と適用可能性を検証する実験を行った。
  論文  参考訳（メタデータ） (2025-04-15T13:13:22Z)
• 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)
• YOLO-pdd: A Novel Multi-scale PCB Defect Detection Method Using Deep Representations with Sequential Images [7.368447690189973]
  本稿では,CNNに基づくPCB欠陥検出のための高精度で堅牢でリアルタイムなエンドツーエンド手法を提案する。 本稿では, YOLOv5とマルチスケールモジュールを組み合わせた階層的残差接続手法を提案する。 大規模PCBデータセットの実験では、既存の手法と比較して精度、リコール、F1スコアが大幅に改善された。
  論文  参考訳（メタデータ） (2024-07-22T07:08:22Z)
• 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)
• Combating Mode Collapse in GANs via Manifold Entropy Estimation [70.06639443446545]
  Generative Adversarial Networks (GAN) は、様々なタスクやアプリケーションにおいて魅力的な結果を示している。 GANのモード崩壊問題に対処するための新しいトレーニングパイプラインを提案する。
  論文  参考訳（メタデータ） (2022-08-25T12:33:31Z)
• Scale-Equivalent Distillation for Semi-Supervised Object Detection [57.59525453301374]
  近年のSemi-Supervised Object Detection (SS-OD) 法は主に自己学習に基づいており、教師モデルにより、ラベルなしデータを監視信号としてハードな擬似ラベルを生成する。 実験結果から,これらの手法が直面する課題を分析した。 本稿では,大規模オブジェクトサイズの分散とクラス不均衡に頑健な簡易かつ効果的なエンド・ツー・エンド知識蒸留フレームワークであるSED(Scale-Equivalent Distillation)を提案する。
  論文  参考訳（メタデータ） (2022-03-23T07:33:37Z)

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。