論文の概要: SPDCN: Strip-based Deformable Convolutional Network for Steel Surface Defect Segmentation

• arxiv url: http://arxiv.org/abs/2607.21456v1
• Date: Thu, 23 Jul 2026 15:59:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-24 18:26:25.472148
• Title: SPDCN: Strip-based Deformable Convolutional Network for Steel Surface Defect Segmentation
• Title（参考訳）: SPDCN:鋼表面欠陥セグメンテーションのためのストリップ型変形性畳み込みネットワーク
• Abstract要約: 変形性畳み込みネットワーク(SPDCN)のためのストリップベース予測器 textbfFuzzy-enhanced Multi-scale Context Module (FMCM) textbf Direction-Aware Deformable Convolution (ADADC)
• 参考スコア（独自算出の注目度）: 8.936780165911612
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Steel surface defect segmentation is critical for industrial quality inspection, yet existing methods struggle with elongated, anisotropic defects such as cracks and scratches due to the isotropic receptive fields of standard convolutions and rigid sampling grids that cannot adapt to irregular defect boundaries. To address these limitations, we propose Strip-based Predictor for Deformable Convolutional Networks (SPDCN) with two key innovations. The \textbf{Fuzzy-enhanced Multi-scale Context Module (FMCM)} employs group-wise multi-branch convolutions with an intuitionistic fuzzy channel attention mechanism to adaptively capture multi-scale contextual information across varying defect sizes. The \textbf{Adaptive Direction-Aware Deformable Convolution (ADADC)} replaces the conventional offset predictor with decoupled horizontal and vertical strip convolutions, enabling the deformable sampling grid to anisotropically align with the principal orientation of elongated defects. Extensive experiments on public steel surface defect benchmarks demonstrate that SPDCN consistently outperforms state-of-the-art methods, achieving 89.60\% mIoU on NEU-Seg with only 3.54M parameters. The source code is publicly available at https://github.com/DWlzm .
• Abstract（参考訳）: 鉄鋼表面欠陥のセグメンテーションは, 工業品質検査において重要であるが, 従来の手法では, 不規則な欠陥境界に適応できない標準畳み込みの等方的受容場や剛性サンプリンググリッドにより, ひび割れやひび割れなどの細長い異方性欠陥に苦慮している。 これらの制約に対処するため、我々は2つの重要な革新を伴う変形可能な畳み込みネットワーク(SPDCN)のためのストリップベースの予測器を提案する。 FMCM(textbf{Fuzzy-enhanced Multi-scale Context Module)は、直観主義的なファジィチャネルアテンション機構を備えたグループワイドマルチブランチ・コンボリューションを用いて、様々な欠陥サイズのマルチスケールコンテキスト情報を適応的にキャプチャする。 \textbf{Adaptive Direction-Aware Deformable Convolution (ADADC) は、従来のオフセット予測器を分離された水平および垂直のストリップ畳み込みに置き換え、変形可能なサンプリンググリッドが長大な欠陥の主方向と異方的に一致できるようにする。 パブリックスチール表面欠陥ベンチマークの大規模な実験により、SPDCNは最先端の手法を一貫して上回り、NEU-セグで89.60\% mIoUをわずか3.54Mパラメータで達成した。 ソースコードはhttps://github.com/DWlzm で公開されている。

関連論文リスト

• Deep Adaptive Dimension Reduction for Bayesian Inference in Inverse Problems [9.668085723676725]
  本稿では,変分流(VF)モデルに基づく深層適応次元還元ベイズ推論フレームワークを提案する。 本手法は, MCMC, UKI, SVGDベースラインと比較して, 競争力や精度に優れることを示す。
  論文  参考訳（メタデータ） (2026-05-28T05:21:19Z)
• Hierarchical Consistency Learning for Test-time Adaptation in Camouflage Perception [50.278200968044665]
  カモフラージュされた物体検出(COD)は、物理的属性を通して背景から最小限の知覚差を示すターゲットをローカライズすることを目的としている。 既存のメソッドは、静的なTrain-then-freezeパラダイムによって制約されており、ドメインの剛性と依存性のアノテーションに悩まされている。 動的表現再構成のためのテスト時間適応を統合した階層的一貫性学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-25T09:57:46Z)
• MoASE++: Mixture of Activation Sparsity Experts with Domain-Adaptive On-policy Distillation for Continual Test Time Adaptation [65.068801413044]
  連続的なテスト時間適応は、非定常な未ラベルのターゲットストリームにソース予測モデルを適用する。 ドメインに依存しない構造をドメイン固有のテクスチャから切り離す。
  論文  参考訳（メタデータ） (2026-05-18T01:52:12Z)
• UniPCB: A Generation-Assisted Detection Framework for PCB Defect Inspection [16.687894734386322]
  制御された欠陥合成とタスク固有の欠陥検出を統合した世代別PCB欠陥検査フレームワークを提案する。 DsPCBSD+の実験では、UniPCBは98.0%のmAP@0.5と61.8%のmAP@0.5:0.95の欠陥検出を達成した。
  論文  参考訳（メタデータ） (2026-05-06T08:30:27Z)
• Large-Scale Universal Defect Generation: Foundation Models and Datasets [51.150071370083026]
  様々な領域にまたがる300Kの正規マスクカプセルの大規模データセットUDGを紹介する。 我々は,参照ベース欠陥生成とテキスト命令ベース欠陥編集の両方をサポートするユニバーサル欠陥生成基盤モデルUniDGを提案する。 MVTec-AD と VisA の実験では、UniDG は合成品質および下流の単クラスおよび複数クラスの異常検出/局所化において、前回の少数ショット異常発生および画像挿入/編集ベースラインより優れていた。
  論文  参考訳（メタデータ） (2026-04-10T03:21:17Z)
• Variational Bayesian Flow Network for Graph Generation [54.94088904387278]
  グラフ生成のための変分ベイズフローネットワーク(VBFN)を提案する。 VBFNは、構造化精度で支配されるトラクタブルジョイントガウス変分信念ファミリーに対して変分リフトを行う。 合成グラフと分子グラフのデータセットでは、VBFNは忠実度と多様性を改善し、ベースライン法を超えている。
  論文  参考訳（メタデータ） (2026-01-30T03:59:38Z)
• Geometrically Constrained and Token-Based Probabilistic Spatial Transformers [5.437226012505534]
  我々は、トランスフォーマーベースのビジョンパイプラインの標準化ツールとして、空間トランスフォーマーネットワーク(STN)を再考する。 本稿では、堅牢性を向上させる確率的、コンポーネントワイドな拡張を提案する。 本手法が他のSTNと比較して頑健さを常に向上することを示す。
  論文  参考訳（メタデータ） (2025-09-14T11:30:53Z)
• 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)
• MSP-MVS: Multi-Granularity Segmentation Prior Guided Multi-View Stereo [8.303396507129266]
  MSP-MVSは,マルチグラニュラリティセグメンテーションを導入する手法である。 相関信頼画素の等価分布と分解クラスタリングを実装した。 また,グローバルな最小マッチングコストの特定を支援するために,差分サンプリングの相乗的3次元最適化も導入する。
  論文  参考訳（メタデータ） (2024-07-27T19:00:44Z)
• Semi-Supervised Coupled Thin-Plate Spline Model for Rotation Correction and Beyond [84.56978780892783]
  制御点が限られている複数のTPSを、より柔軟で強力な変換に繰り返し結合するCoupledTPSを提案する。 注記コストを考慮に入れた半教師付き学習手法を開発し、ラベルのないデータを活用することにより、ワープ品質を向上させる。 実験は、回転補正のための既存の最先端解よりもCoupledTPSの優位性と普遍性を示す。
  論文  参考訳（メタデータ） (2024-01-24T13:03:28Z)
• Understanding Deformable Alignment in Video Super-Resolution [90.9481291865295]
  変形可能な畳み込みは空間変形と畳み込みの組み合わせに分解可能であることを示す。 光フローによるオフセット学習を支援するオフセット忠実度損失を提案する。
  論文  参考訳（メタデータ） (2020-09-15T17:55:06Z)

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。