論文の概要: FuDU: A Fuzzy Dual-dimensional Uncertainty Framework for Streaming Active Learning in Industrial Defect Detection

• arxiv url: http://arxiv.org/abs/2609.02212v1
• Date: Wed, 02 Sep 2026 07:23:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:18.133245
• Title: FuDU: A Fuzzy Dual-dimensional Uncertainty Framework for Streaming Active Learning in Industrial Defect Detection
• Title（参考訳）: FuDU: 産業欠陥検出におけるアクティブラーニングをストリーミングするファジィ2次元不確実性フレームワーク
• Abstract要約: 本稿では,Fuzzy Dual-dimensional Uncertainty(FuDU)フレームワークに基づくストリーミングアクティブ学習手法を提案する。 実験では、FuDUは効率的で柔軟性があり、産業検査の課題に適していることが示された。
• 参考スコア（独自算出の注目度）: 6.286618765088723
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ensuring the reliability of deep learning models in real-time industrial defect detection is critical for high-stakes quality inspection. To mine uncertain samples within continuous industrial media streams, thereby enhancing the reliability of the detection system, this paper proposes a streaming active learning method based on the Fuzzy Dual-dimensional Uncertainty (FuDU) framework. Specifically, we first design a Prototype-based Global Uncertainty Quantification (PGUQ) module on the backbone to evaluate image-level uncertainty via normal/defective feature prototypes. A Dual-entropy defect Uncertainty Evaluator (DeUE) is then integrated into the detection head to quantify box-level uncertainty. Finally, by modeling uncertainty as systematic error, we propose a fuzzy dual-dimensional uncertainty-aware strategy that leverages fuzzy inference to fuse dual-dimensional uncertainties, enabling expert knowledge-driven adaptive sampling decisions. Comprehensive experiments demonstrate that FuDU is efficient and flexible, making it well-suited for challenging industrial inspection tasks such as the detection of nuclear fuel rod defects. Our code is publicly available at: https://github.com/wangzhaoyang-508/FuDU.
• Abstract（参考訳）: リアルタイム産業欠陥検出における深層学習モデルの信頼性確保は,高い品質検査に不可欠である。 本稿では, 連続産業用メディアストリーム中の不確実なサンプルをマイニングし, 検出システムの信頼性を高めるために, ファジィデュアル次元不確実性(FuDU)フレームワークに基づくストリーミングアクティブラーニング手法を提案する。 具体的には,プロトタイプベースのGlobal Uncertainty Quantification (PGUQ)モジュールをバックボーン上に設計し,画像レベルの不確実性を評価する。 次に、二重エントロピー欠陥不確実性評価器(DeUE)を検出ヘッドに統合し、ボックスレベルの不確実性を定量化する。 最後に,不確実性を体系的誤りとしてモデル化することにより,ファジィ推論を利用したファジィ二次元不確実性を融合し,専門家の知識による適応的サンプリング決定を可能にするファジィ二次元不確実性認識戦略を提案する。 総合的な実験により、FuDUは効率的で柔軟性があり、核燃料棒欠陥の検出などの産業検査に適していることが示された。 私たちのコードは、https://github.com/wangzhaoyang-508/FuDU.comで公開されています。

関連論文リスト

• U$^{2}$Flow: Uncertainty-Aware Unsupervised Optical Flow Estimation [18.3748504668909]
  教師なし光学流法は、信頼性の高い不確実性推定を欠き、その堅牢性と解釈可能性を制限する。 U$2$Flowは、光の流れと画素ごとの不確実性を共同で推定する最初の再帰的非教師付きフレームワークである。
  論文  参考訳（メタデータ） (2026-04-11T06:40:22Z)
• Towards Adversarial Robustness and Uncertainty Quantification in DINOv2-based Few-Shot Anomaly Detection [6.288045889067255]
  DINOv2のような基礎モデルは、数発の異常検出において強い性能を示している。 本研究は, 敵攻撃と不確実性評価に関する最初の体系的研究である。 生の異常スコアは校正が不十分で、信頼性と正しさのギャップが明らかになり、安全クリティカルな使用が制限されることがわかりました。
  論文  参考訳（メタデータ） (2025-10-15T15:06:45Z)
• Adaptive Dual Uncertainty Optimization: Boosting Monocular 3D Object Detection under Test-Time Shifts [80.32933059529135]
  TTA(Test-Time Adaptation)メソッドが出現し、推論中にターゲット分布に適応する。 我々は、堅牢なM3ODの両不確実性を共同で最小化するために設計された、最初のTTAフレームワークであるDual Uncertainity Optimization (DUO)を提案する。 並列に,明瞭な意味的手がかりを持つ領域における幾何学的コヒーレンスを保存する意味認識型正規場制約を設計する。
  論文  参考訳（メタデータ） (2025-08-28T07:09:21Z)
• Advancing Welding Defect Detection in Maritime Operations via Adapt-WeldNet and Defect Detection Interpretability Analysis [0.0]
  石油・ガス産業における配管システムの安全性と信頼性を確保するために溶接欠陥検出が不可欠である。 従来の非破壊テスト(NDT)手法は微妙な欠陥や内部の欠陥を検知できないことが多く、潜在的な障害やコストダウンの原因となる。 Adapt-WeldNetは溶接欠陥検出のための適応フレームワークである。 システム透過性を高めるためにDDIA(Defect Detection Interpretability Analysis)フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-01T07:19:23Z)
• Know Where You're Uncertain When Planning with Multimodal Foundation Models: A Formal Framework [54.40508478482667]
  認識と計画生成の不確実性を解消し、定量化し、緩和する包括的枠組みを提案する。 本稿では,知覚と意思決定の独特な性質に合わせた手法を提案する。 この不確実性分散フレームワークは, 変動率を最大40%削減し, タスク成功率をベースラインに比べて5%向上させることを示した。
  論文  参考訳（メタデータ） (2024-11-03T17:32:00Z)
• Fault Detection and Monitoring using a Data-Driven Information-Based Strategy: Method, Theory, and Application [5.056456697289351]
  本稿では,新しいコンセプトドリフト検出器に基づく情報駆動型故障検出手法を提案する。 本手法は,加法雑音モデルの入出力関係におけるドリフトの同定に適している。 提案したMIに基づく故障検出手法の理論的特性を実証する。
  論文  参考訳（メタデータ） (2024-05-06T17:43:39Z)
• Uncertainty-Aware AB3DMOT by Variational 3D Object Detection [74.8441634948334]
  不確実性推定は統計的に正確な予測を提供する効果的なツールである。 本稿では,変分ニューラルネットワークを用いたTANet 3Dオブジェクト検出器を提案し,不確実性のある3Dオブジェクト検出を行う。
  論文  参考訳（メタデータ） (2023-02-12T14:30:03Z)
• Reliability-Aware Prediction via Uncertainty Learning for Person Image Retrieval [51.83967175585896]
  UALは、データ不確実性とモデル不確実性を同時に考慮し、信頼性に配慮した予測を提供することを目的としている。 データ不確実性はサンプル固有のノイズを捕捉する」一方、モデル不確実性はサンプルの予測に対するモデルの信頼を表現している。
  論文  参考訳（メタデータ） (2022-10-24T17:53:20Z)
• Bayesian autoencoders with uncertainty quantification: Towards trustworthy anomaly detection [78.24964622317634]
  本研究では, ベイズオートエンコーダ (BAEs) の定式化により, 全体の異常不確かさを定量化する。 不確実性の質を評価するために,不確実性の予測を拒否するオプションを追加して,異常を分類する作業を検討する。 本実験は,BAEと総異常不確かさが,ベンチマークデータセットと製造用実データセットのセットに与える影響を実証するものである。
  論文  参考訳（メタデータ） (2022-02-25T12:20:04Z)
• CertainNet: Sampling-free Uncertainty Estimation for Object Detection [65.28989536741658]
  ニューラルネットワークの不確実性を推定することは、安全クリティカルな設定において基本的な役割を果たす。 本研究では,オブジェクト検出のための新しいサンプリング不要不確実性推定法を提案する。 私たちはそれをCertainNetと呼び、各出力信号に対して、オブジェクト性、クラス、位置、サイズという、別の不確実性を提供するのは、これが初めてです。
  論文  参考訳（メタデータ） (2021-10-04T17:59:31Z)
• An Uncertainty-Aware Deep Learning Framework for Defect Detection in Casting Products [11.792984988875157]
  鋳造工程の複雑さのため、鋳造工程では欠陥は避けられない。 CNNは画像分類と欠陥検出の両方に広く応用されている。 頻繁な推測を持つCNNは、トレーニングするために大量のデータを必要とし、予測の不確実性に関する有益な見積もりを報告するのに依然として不足している。
  論文  参考訳（メタデータ） (2021-07-24T16:17:20Z)

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。