論文の概要: Catalogue Photography as a Cold Start: Toward Deployable Carbide Burr Recognition
- arxiv url: http://arxiv.org/abs/2609.03995v1
- Date: Thu, 03 Sep 2026 15:36:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-04 18:28:39.142304
- Title: Catalogue Photography as a Cold Start: Toward Deployable Carbide Burr Recognition
- Title（参考訳）: コールドスタートとしてのカタログ写真:展開可能な炭化物バーの認識に向けて
- Abstract要約: ドメインシフト下での産業認識パイプラインを,カタログ管理がどこまでサポートするかを検討する。
オフザシェルフ凍結機能抽出器は、頭部形状と歯面の2つのタスク属性を確実に分離しない。
最大の転送利得は、モデルスケールや表現の複雑さではなく、ドメインの感度を低下させる単純な変更によるものである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Verifying that manufactured batches of milling tools or carbide rotary burrs conform to production order sheets remains a largely manual and error-prone quality assurance task. Automating this process with computer vision faces a critical cold-start constraint since no labelled imagery is available, leaving manufacturer catalogue photography as the sole source of supervision. We investigate how far catalogue supervision can support an industrial recognition pipeline under domain shift, explicitly measuring the gap between catalogue separability and performance on held-out field photographs. Our findings reveal three key insights. First, off-the-shelf frozen feature extractors do not reliably separate the two task attributes, head shape and tooth profile, motivating targeted representation learning. Second, metric learning produces near-perfect unsupervised cluster discovery on catalogue images (adjusted Rand index 0.94--0.97), but less than half of this gain transfers to field photographs. Third, the largest transfer gains do not come from model scale or representation complexity, but from simple changes that reduce domain sensitivity: converting images to grayscale (+0.22) and constraining retrieval using the known order sheet via Hungarian assignment (+0.11). We therefore treat catalogue photography as a useful cold start rather than a deployment-ready training domain, and provide empirical baselines and an evaluation protocol for catalogue-to-field transfer in precision tool manufacturing.
- Abstract（参考訳）: 製粉工具や炭化物ロータリーバーの製造バッチが製造順序シートに適合していることを確認することは、主に手動でエラーを起こしやすい品質保証作業である。
このプロセスをコンピュータビジョンで自動化することは、ラベル付き画像が利用できないため、重要なコールドスタート制約に直面し、メーカーのカタログ写真が唯一の監督源となっている。
本研究では,ドメインシフト下での産業認識パイプラインをどこまで支援できるかを考察し,保持されたフィールド写真上でのカタログ分離性とパフォーマンスのギャップを明示的に測定する。
私たちの発見は3つの重要な洞察を浮き彫りにした。
まず,2つの課題属性,頭部形状と歯の形状を確実に分離せず,目的の表現学習を動機づける。
第二に、メートル法学習はカタログ画像(調整されたRand index 0.94--0.97)上で、ほぼ完全に教師なしのクラスタ発見を生成するが、その半分以下はフィールド写真に転送される。
第三に、最大の転送ゲインはモデルスケールや表現の複雑さではなく、画像のグレースケール(+0.22)への変換やハンガリー代入(+0.11)による既知の順序シートによる検索の制限といった、ドメインの感度を低下させる単純な変更によるものである。
そこで我々は,カタログ撮影を,展開可能なトレーニングドメインではなく,有用なコールドスタートとして扱うとともに,実験的なベースラインと,精密工具製造におけるカタログ間移動の評価プロトコルを提供する。
関連論文リスト
- Bridging the Catalog-to-Real Gap: Scalable Product Recognition via Multi-Stage Contrastive Learning [0.0]
カタログから実際の多段階コントラスト学習パラダイム(Cat2Real)を導入する。
我々のフレームワークは、アイテムレベルと画像レベルの両方の類似性を体系的に利用して、ターゲットとなるハードネガティブマイニングを駆動することによって、視覚バックボーンを微調整する。
論文 参考訳（メタデータ） (2026-07-10T18:27:23Z) - CatalogStitch: Dimension-Aware and Occlusion-Preserving Object Compositing for Catalog Image Generation [10.607005561544371]
製品マスクの調整を自動化するモデルに依存しない一連の手法である CatalogStitch を提案する。
我々の次元対応マスクアルゴリズムは、ターゲット領域を自動的に適応し、異なる次元の製品に対応する。
ハイブリッド修復法では, 咬合要素の完全保存が保証され, 後編集が不要となる。
論文 参考訳（メタデータ） (2026-04-10T00:25:41Z) - FORGE: Fine-grained Multimodal Evaluation for Manufacturing Scenarios [58.34124792457706]
製造業セクターは、単純な認識から自律的な実行に移行するために、MLLM(Multimodal Large Language Models)をますます採用している。
進捗は、データの不足と、既存のデータセットにおけるきめ細かいドメインセマンティクスの欠如によって妨げられている。
まず、実世界の2D画像と3Dポイントクラウドを組み合わせて、微粒なドメインセマンティクスを付加した高品質なデータセットを構築します。
次に, 3 つの製造課題,すなわち, 構造面検査, 組立検査, 組立検証の18の最先端MLLMを評価し, 大幅な性能差を明らかにした。
論文 参考訳（メタデータ） (2026-04-08T12:23:27Z) - Automated Processing of eXplainable Artificial Intelligence Outputs in Deep Learning Models for Fault Diagnostics of Large Infrastructures [13.422002958854936]
本研究は, ポストホックな説明と半教師付き学習を組み合わせて, 異常な説明を自動的に識別するフレームワークを提案する。
提案するフレームワークは,送電網インフラ監視のための絶縁体シェルのドローンによる画像に応用される。
2つの欠陥クラスの平均分類精度は8%向上し、メンテナンス作業者は画像の15%しか手動で再分類する必要がある。
論文 参考訳（メタデータ） (2025-03-19T16:57:00Z) - Breaking Modality Disparity: Harmonized Representation for Infrared and
Visible Image Registration [66.33746403815283]
シーン適応型赤外線と可視画像の登録を提案する。
我々は、異なる平面間の変形をシミュレートするためにホモグラフィーを用いる。
我々は、まず、赤外線と可視画像のデータセットが不一致であることを示す。
論文 参考訳（メタデータ） (2023-04-12T06:49:56Z) - MAGIC: Mask-Guided Image Synthesis by Inverting a Quasi-Robust
Classifier [37.774220727662914]
単一画像の操作を制御できるワンショットマスク誘導画像合成法を提案する。
提案手法は,事前学習した準ロバスト分類器から構造勾配を利用する。
MAGICは入力上の勾配を集約し、ガイドバイナリマスクによって駆動される。
論文 参考訳（メタデータ） (2022-09-23T12:15:40Z) - An Improved Deep Learning Approach For Product Recognition on Racks in
Retail Stores [2.470815298095903]
小売店における自動製品認識は、コンピュータビジョンとパターン認識の領域における重要な現実世界のアプリケーションである。
我々は、Faster-RCNNベースのオブジェクトローカライザとResNet-18ベースのイメージエンコーダからなる2段階物体検出認識パイプラインを開発した。
各モデルは、より優れた予測のために適切なデータセットを使用して微調整され、各クエリイメージ上でデータ拡張が行われ、ResNet-18ベースの製品認識モデルを微調整するための広範なギャラリーセットが作成される。
論文 参考訳（メタデータ） (2022-02-26T06:51:36Z) - Towards Unsupervised Sketch-based Image Retrieval [126.77787336692802]
本稿では,教師なし表現学習とスケッチ写真領域アライメントを同時に行う新しいフレームワークを提案する。
このフレームワークは,新しい教師なし設定では優れた性能を達成し,ゼロショット設定では最先端以上の性能を発揮する。
論文 参考訳（メタデータ） (2021-05-18T02:38:22Z) - More Photos are All You Need: Semi-Supervised Learning for Fine-Grained
Sketch Based Image Retrieval [112.1756171062067]
クロスモーダル検索のための新しい半監視フレームワークについて紹介する。
私たちの設計の中心には、連続したフォトツースケッチ生成モデルがあります。
また,不適切な生成を誘導する判別器誘導機構も導入する。
論文 参考訳（メタデータ） (2021-03-25T17:27:08Z) - An Efficient Method for the Classification of Croplands in Scarce-Label
Regions [0.0]
衛星時系列画像による農地分類の主な課題は、地表面データ不足と、未開発地域における高品質のハイパースペクトル画像の到達不能である。
ラベルなしの中解像度衛星画像は豊富だが、その恩恵を受けるにはオープンな問題だ。
自監督タスクを用いた作物分類におけるその可能性の活用方法を示す。
論文 参考訳（メタデータ） (2021-03-17T12:10:11Z) - Instance Localization for Self-supervised Detection Pretraining [68.24102560821623]
インスタンスローカリゼーションと呼ばれる,新たな自己監視型プリテキストタスクを提案する。
境界ボックスを事前学習に組み込むことで、より優れたタスクアライメントとアーキテクチャアライメントが促進されることを示す。
実験結果から, オブジェクト検出のための最先端の転送学習結果が得られた。
論文 参考訳（メタデータ） (2021-02-16T17:58:57Z) - Towards Image-based Automatic Meter Reading in Unconstrained Scenarios:
A Robust and Efficient Approach [60.63996472100845]
本稿では,制約のないシナリオに着目したAMR(Automatic Meter Reading)のエンドツーエンドアプローチを提案する。
我々の主な貢献は、コーナー検出とカウンタ分類と呼ばれる新しいステージをAMRパイプラインに挿入することである。
信頼度が低い読みを拒絶した場合,AMRシステムは印象的な認識率(すなわち99%)を達成することを示す。
論文 参考訳（メタデータ） (2020-09-21T21:21:23Z)
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。