論文の概要: SteelDS: A High-Resolution Video Dataset of E40 Steel Scrap for Object Detection and Instance Segmentation
- arxiv url: http://arxiv.org/abs/2605.26682v1
- Date: Tue, 26 May 2026 08:20:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-27 17:51:41.747905
- Title: SteelDS: A High-Resolution Video Dataset of E40 Steel Scrap for Object Detection and Instance Segmentation
- Title（参考訳）: SteelDS:オブジェクト検出とインスタンスセグメンテーションのためのE40鋼スクラップの高分解能ビデオデータセット
- Authors: Melanie Neubauer, Christian Rauch, Gerald Koinig, Alexia Tischberger-Aldrian, Roland Pomberger, Elmar Rueckert,
- Abstract要約: このデータセットは、圧縮されたE40グレード鋼と銅スクラップの高解像度、注釈付きビデオシーケンスをコンベアベルトに提供します。
このデータは、通常、銅汚染物質を除去するために手動で介入する必要がある産業用ポストマグネティック・ソート・ステージを反映している。
データセットは5つのサブセットに24,297個のラベル付きフレームで構成され、396個のスチールと101個の銅物体がサイズによって分類されている。
- 参考スコア（独自算出の注目度）: 3.175986877079391
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This dataset provides high-resolution, annotated video sequences of shredded E40-grade steel and copper scrap on a conveyor belt. Captured in a controlled laboratory environment, the data reflects the industrial post-magnetic sorting stage, where manual intervention is typically required to remove copper contaminants. The dataset comprises 24,297 labeled frames across five subsets, featuring 396 steel and 101 copper objects categorized by size. It supports the development of machine learning models for material classification, object detection, and instance segmentation. Variations in object spacing and density are included to simulate realistic industrial sorting conditions. Ground truth annotations include pixel-wise segmentation masks and material classes. This dataset serves as a benchmark for evaluating automated sorting algorithms aiming to identify copper impurities within complex, heterogeneous steel scrap streams.
- Abstract（参考訳）: このデータセットは、圧縮されたE40グレード鋼と銅スクラップの高解像度、注釈付きビデオシーケンスをコンベアベルトに提供します。
制御された実験室環境下で捕獲されたデータは、通常、銅汚染物質を除去するために手動で介入する必要がある産業用ポストマグネティック・ソート・ステージを反映する。
データセットは5つのサブセットに24,297個のラベル付きフレームで構成され、396個のスチールと101個の銅物体がサイズによって分類されている。
物質分類、オブジェクト検出、インスタンスセグメンテーションのための機械学習モデルの開発をサポートする。
現実的な工業的な選別条件をシミュレートするために、物体間隔と密度の変化を含める。
接地真理アノテーションには、ピクセルワイドセグメンテーションマスクとマテリアルクラスが含まれる。
このデータセットは、複雑で異質な鋼スクラップストリーム内の銅の不純物を特定することを目的とした自動ソートアルゴリズムを評価するためのベンチマークとして機能する。
関連論文リスト
- SortWaste: A Densely Annotated Dataset for Object Detection in Industrial Waste Sorting [5.931399156681511]
手作業による廃棄物の選別は大規模な廃棄物の流れを扱うのに非効率である。
既存の自動ソートアプローチは、現実世界の廃棄物ストリームの高ばらつき、乱雑、視覚的複雑さに悩まされている。
論文 参考訳（メタデータ） (2026-01-05T17:34:50Z) - Electrolyzers-HSI: Close-Range Multi-Scene Hyperspectral Imaging Benchmark Dataset [8.578006502996516]
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。
論文 参考訳（メタデータ） (2025-05-26T20:16:38Z) - VDC: Versatile Data Cleanser based on Visual-Linguistic Inconsistency by Multimodal Large Language Models [46.72546879204724]
現実の世界では、データセットには、バックドア攻撃による毒サンプル、クラウドソーシングにおけるノイズの多いラベル、さらにはそれらのハイブリッドなど、汚れたサンプルが含まれている。
既存の検出器は、他のドメインの汚れたサンプルを扱う場合、しばしば一般化が弱くなるような、有毒なサンプルやノイズのあるラベルを検出することのみに焦点を当てている。
マルチモーダル大規模言語モデル(MLLM)の超越した機能を利用した多目的データクリーニング(VDC)を提案する。
論文 参考訳（メタデータ） (2023-09-28T07:37:18Z) - TSMD: A Database for Static Color Mesh Quality Assessment Study [24.702740013624613]
テクスチャマップを備えた静的メッシュは、現代の工業や製造業で広く利用されている。
静的メッシュ圧縮アルゴリズムと客観的品質指標の研究を容易にするため、Tencent - Static Meshデータセットを作成します。
210個の歪んだサンプルは、多角形静的メッシュ符号化におけるCall for Proposalsのために開発された損失圧縮スキームによって生成される。
論文 参考訳（メタデータ） (2023-08-03T02:19:20Z) - Semi-supervised Object Detection via Virtual Category Learning [68.26956850996976]
本稿では,ラベルの修正を伴わずに,混乱したサンプルを積極的に使用することを提案する。
具体的には、各混乱したサンプルに仮想圏(VC)が割り当てられる。
トレーニングサンプルと仮想カテゴリの間の埋め込み距離を指定することに起因する。
論文 参考訳（メタデータ） (2022-07-07T16:59:53Z) - A Multi-purpose Real Haze Benchmark with Quantifiable Haze Levels and
Ground Truth [61.90504318229845]
本稿では,ハズフリー画像とその場でのハズ密度測定を併用した,最初の実画像ベンチマークデータセットを提案する。
このデータセットはコントロールされた環境で生成され、プロの煙発生装置がシーン全体を覆っている。
このデータセットのサブセットは、CVPR UG2 2022 チャレンジの Haze Track における Object Detection に使用されている。
論文 参考訳（メタデータ） (2022-06-13T19:14:06Z) - Towards Robust Part-aware Instance Segmentation for Industrial Bin
Picking [113.79582950811348]
産業用ビンピッキングのための新しい部分認識型インスタンスセグメンテーションパイプラインを定式化する。
我々は、部品マスクと部品間オフセットを予測する部分認識ネットワークを設計し、続いて認識された部品をインスタンスに組み立てる部分集約モジュールを設計する。
このデータセットは、細く、非自明な形状の様々な産業オブジェクトを含む。
論文 参考訳（メタデータ） (2022-03-05T14:58:05Z) - Towards Real-World Prohibited Item Detection: A Large-Scale X-ray
Benchmark [53.9819155669618]
本稿では,PIDrayと命名された大規模データセットについて述べる。
大量の努力を払って、私たちのデータセットには、高品質な注釈付きセグメンテーションマスクとバウンディングボックスを備えた47,677ドルのX線画像に、禁止アイテムの12ドルカテゴリが含まれています。
提案手法は最先端の手法に対して,特に故意に隠された項目を検出するために好適に機能する。
論文 参考訳（メタデータ） (2021-08-16T11:14:16Z) - ZeroWaste Dataset: Towards Automated Waste Recycling [51.053682077915546]
産業レベルの廃棄物検出・分別データセットZeroWasteについて述べる。
このデータセットには、実際の廃棄物処理工場から収集された1800以上のビデオフレームが含まれている。
最先端のセグメンテーション手法では,対象物を正しく検出・分類することが困難であることを示す。
論文 参考訳（メタデータ） (2021-06-04T22:17:09Z)
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。