文献

J-GLOBAL ID：201902266864432030   整理番号：19A2718677

不均衡データのための計量学習により最適化された深い特徴に基づくEL画像上の欠陥検出【JST・京大機械翻訳】

Defect detection on EL images based on deep feature optimized by metric learning for imbalanced data

著者 (5件)： Liu Kun (Hebei University of Technology,School of Artificial Intelligence and data science,,Tianjin,,China) ,  Han Jiangrui (Hebei University of Technology,School of Artificial Intelligence and data science,,Tianjin,,China) ,  Chen Haiyong (Hebei University of Technology,School of Artificial Intelligence and data science,,Tianjin,,China) ,  Yan Haowei (Hebei University of Technology,School of Artificial Intelligence and data science,,Tianjin,,China) ,  Yang Peng (Hebei University of Technology,School of Artificial Intelligence and data science,,Tianjin,,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICAC  ページ： 1-5  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： マシンビジョンに基づく欠陥検出は,太陽電池の生産効率と製品品質を改善するために非常に重要である。欠陥検出の分野における一般的な問題は,欠陥のあるデータと欠陥のないデータの間の不均衡な分布である。しかしながら,概念的ニューラルネットワーク(CNN)は,不平衡データ集合のためのより良い処理を達成することができない。本論文では,バックボーンCNNネットワークパラメータを学習する新しい特徴抽出フレームワークを提案し,エンドツーエンド訓練プロセスにおけるメトリック学習により特徴空間を最適化し,不均衡および小規模データ集合上のCNNモデルの過剰適合の問題を解決した。この方法の有効性を検証するために,EL画像データセットに関する広範な実験を行った。包括的な結果は,提案した方法が,いくつかのケースにおいて最先端の方法よりも,より正確な速度で異なるタイプの欠陥を同定できることを実証した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 有効性 ,  エンドツーエンド方式 ,  *学習 ,  *故障検出 ,  *最適化 ,  ニューラルネットワーク ,  *画像 ,  製品品質 ,  非平衡状態 ,  太陽電池 ,  特徴抽出 ,  CASE
準シソーラス用語： メトリック学習 ,  *不均衡 ,  マシンビジョン , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 不均衡データ ,  計量 ,  学習 ,  最適化 ,  EL ,  欠陥検出