論文の概要: ScratNet: A Swin-Based Multi-Scale Dilated Network with Precision Refinement for Semiconductor Scratch Segmentation
- arxiv url: http://arxiv.org/abs/2607.10214v1
- Date: Sat, 11 Jul 2026 08:51:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-14 15:40:48.341829
- Title: ScratNet: A Swin-Based Multi-Scale Dilated Network with Precision Refinement for Semiconductor Scratch Segmentation
- Title（参考訳）: ScratNet: 半導体スクラッチセグメンテーションのための精密リファインメント付きスイニングベースマルチスケール拡張ネットワーク
- Abstract要約: 半導体製造における表面スクラッチ欠陥は、その不規則な形状、低コントラスト、および様々なスケールのために重大な課題を生じさせる。
従来の検査手法は、特に複雑な撮像シナリオにおいて、そのような欠陥を確実に検出するのに苦労することが多い。
我々はScratNetを提案する。これはSwin Transformerのバックボーンをカスタマイズしたデコーダと統合した新しいエンドツーエンドのスクラッチセグメンテーションフレームワークである。
- 参考スコア（独自算出の注目度）: 1.167370706056905
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Surface scratch defects in semiconductor manufacturing pose significant challenges due to their irregular shapes, low contrast, and varying scales. Traditional inspection methods often struggle to detect such defects reliably, especially in complex imaging scenarios. While deep learning approaches based on Convolutional Neural Networks (CNNs) have improved accuracy, they often fail to capture fine-grained edge details. To address these limitations, we propose ScratNet, a novel end-to-end scratch segmentation framework that integrates a modified Swin Transformer backbone with a tailored decoder. The decoder incorporates a Multi-Scale Dilated Aggregation (MDA) module to capture both local and global context, a Stem Integration Module (SIM) to restore spatial detail, and a Precision Refinement (PR) branch that enhances boundary sharpness using anisotropic convolutions. Through this stage-adaptive feature aggregation and boundary-aware refinement, ScratNet achieves superior accuracy on thin and irregular defects. Extensive experiments demonstrate that ScratNet consistently outperforms existing methods, providing a scalable and robust solution for automated scratch inspection in high-precision manufacturing.
- Abstract（参考訳）: 半導体製造における表面スクラッチ欠陥は、その不規則な形状、低コントラスト、および様々なスケールのために重大な課題を生じさせる。
従来の検査手法は、特に複雑な撮像シナリオにおいて、そのような欠陥を確実に検出するのに苦労することが多い。
畳み込みニューラルネットワーク(CNN)に基づくディープラーニングアプローチは精度を向上しているが、細かなエッジの詳細をキャプチャできないことが多い。
これらの制限に対処するために、ScratNetを提案する。これは、修正されたSwin Transformerのバックボーンと、カスタマイズされたデコーダを統合する、新しいエンドツーエンドのスクラッチセグメンテーションフレームワークである。
このデコーダは、局所的および大域的両方のコンテキストをキャプチャするMDAモジュール、空間的詳細を復元するSIMモジュール、異方性畳み込みを用いて境界のシャープネスを高めるPRブランチを備える。
この段階適応的な特徴集約と境界認識の洗練により、ScratNetは薄く不規則な欠陥に対して優れた精度を達成する。
大規模な実験により、ScratNetは既存の手法を一貫して上回り、高精度製造においてスクラッチの自動検査のためのスケーラブルで堅牢なソリューションを提供する。
関連論文リスト
- DCSNet: Multiscale Feature Aggregation for Small Medical Object Segmentation with Detection-guided Hierarchical Cropping [23.520754995911517]
医用画像における小さな物体のセグメンテーションは、主にクラス不均衡と固有の境界複雑性によって妨げられる。
本研究では,グローバルな高密度予測を局所的な精錬プロセスに変換するエンドツーエンドフレームワークである検出誘導クロッピングネットワーク(DCSNet)を提案する。
3つの多様な医療データセットにわたる大規模な実験により、DCSNetは既存の最先端の手法を大幅に上回っていることが示された。
論文 参考訳（メタデータ） (2026-06-24T12:46:58Z) - 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) - Progressive Element-wise Gradient Estimation for Neural Network Quantization [2.1413624861650358]
量子化アウェアトレーニング(QAT)法は、離散化関数の非微分可能性に対処するためにSTE(Straight-Through Estimator)に依存する。
本稿では,連続値と量子化値の離散化誤差に対処するため,PEGE(Progressive Element-wise Gradient Estimation)を提案する。
PEGEは、既存のバックプロパゲーション手法を一貫して上回り、低精度のモデルが彼らの完全精度の精度にマッチしたり、さらに上回ったりすることを可能にしている。
論文 参考訳（メタデータ） (2025-08-27T15:59:36Z) - A Steel Surface Defect Detection Method Based on Lightweight Convolution Optimization [12.113216180751605]
本研究では,欠陥検出精度とモデル性能を改善するために,ディープラーニング,特にYOLOv9sに基づく検出フレームワークを提案する。
実験により, 鋼表面欠陥検出タスクにおいて, 他の手法と比較して高精度かつ堅牢性が得られることを示した。
論文 参考訳（メタデータ） (2025-07-21T10:30:38Z) - Differentiable NMS via Sinkhorn Matching for End-to-End Fabric Defect Detection [2.2901095820275317]
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。
論文 参考訳（メタデータ） (2025-05-11T16:22:58Z) - Iterative Sizing Field Prediction for Adaptive Mesh Generation From Expert Demonstrations [49.173541207550485]
Adaptive Meshing By Expert Reconstruction (AMBER) は模倣学習問題である。
AMBERは、グラフニューラルネットワークとオンラインデータ取得スキームを組み合わせて、専門家メッシュの投影されたサイズフィールドを予測する。
我々は、人間の専門家が提供した2Dメッシュと3Dメッシュ上でAMBERを実験的に検証し、提供されたデモと密に一致し、シングルステップのCNNベースラインを上回った。
論文 参考訳（メタデータ） (2024-06-20T10:01:22Z) - ELGC-Net: Efficient Local-Global Context Aggregation for Remote Sensing Change Detection [65.59969454655996]
本稿では,変化領域を正確に推定するために,リッチな文脈情報を利用する効率的な変化検出フレームワークELGC-Netを提案する。
提案するELGC-Netは、リモートセンシング変更検出ベンチマークにおいて、最先端の性能を新たに設定する。
また,ELGC-Net-LWも導入した。
論文 参考訳（メタデータ） (2024-03-26T17:46:25Z) - Cal-DETR: Calibrated Detection Transformer [67.75361289429013]
本稿では,Deformable-DETR,UP-DETR,DINOのキャリブレーション検出トランス(Cal-DETR)のメカニズムを提案する。
我々は、不確実性を利用してクラスロジットを変調する不確実性誘導ロジット変調機構を開発する。
その結果、Cal-DETRは、ドメイン内およびドメイン外の両方を校正する競合する列車時間法に対して有効であることがわかった。
論文 参考訳（メタデータ） (2023-11-06T22:13:10Z) - Global Context Aggregation Network for Lightweight Saliency Detection of
Surface Defects [70.48554424894728]
我々は,エンコーダ・デコーダ構造上の表面欠陥を簡易に検出するためのGCANet(Global Context Aggregation Network)を開発した。
まず、軽量バックボーンの上部層に新しいトランスフォーマーエンコーダを導入し、DSA(Depth-wise Self-Attention)モジュールを通じてグローバルなコンテキスト情報をキャプチャする。
3つの公開欠陥データセットの実験結果から,提案したネットワークは,他の17の最先端手法と比較して,精度と実行効率のトレードオフを良好に達成できることが示された。
論文 参考訳（メタデータ） (2023-09-22T06:19:11Z) - CINFormer: Transformer network with multi-stage CNN feature injection
for surface defect segmentation [73.02218479926469]
表面欠陥分割のための多段CNN特徴注入を用いた変圧器ネットワークを提案する。
CINFormerは、入力画像のマルチレベルCNN機能をエンコーダ内のトランスフォーマーネットワークの異なるステージに注入する、シンプルだが効果的な機能統合機構を提供する。
さらに、CINFormerはTop-Kセルフアテンションモジュールを提供し、欠陥に関するより重要な情報を持つトークンにフォーカスする。
論文 参考訳（メタデータ） (2023-09-22T06:12:02Z) - Defect Transformer: An Efficient Hybrid Transformer Architecture for
Surface Defect Detection [2.0999222360659604]
表面欠陥検出のための効率的なハイブリッドトランスアーキテクチャであるDefect Transformer (DefT)を提案する。
DefTはCNNとTransformerを統一モデルに組み込んで、局所的および非局所的関係を協調的にキャプチャする。
3つのデータセットの実験は、他のCNNやトランスフォーマーベースのネットワークと比較して、我々の手法の優位性と効率性を実証している。
論文 参考訳（メタデータ） (2022-07-17T23:37:48Z) - AQD: Towards Accurate Fully-Quantized Object Detection [94.06347866374927]
本稿では,浮動小数点演算を除去するために,AQDと呼ばれる高精度な量子化オブジェクト検出ソリューションを提案する。
我々のAQDは、非常に低ビットのスキームの下での完全精度と比較して、同等またはそれ以上の性能を実現しています。
論文 参考訳（メタデータ） (2020-07-14T09:07:29Z)
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。