文献

J-GLOBAL ID：201902272178715722   整理番号：19A0987992

完全畳込みネットワークを用いたタイヤ欠陥検出【JST・京大機械翻訳】

Tire Defect Detection Using Fully Convolutional Network

著者 (4件)： Wang Ren (School of Computer Science and Technology, Shandong University of Finance and Economics, Jinan, China) ,  Guo Qiang (School of Computer Science and Technology, Shandong University of Finance and Economics, Jinan, China) ,  Lu Shanmei (School of Computer Science and Technology, Shandong University of Finance and Economics, Jinan, China) ,  Zhang Caiming (Software College, Shandong University, Jinan, China)
資料名： IEEE Access  (IEEE Access)
巻： 7  ページ： 43502-43510  発行年： 2019年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 深い畳込みニューラルネットワークは,最近,強い特徴学習能力により急速な進歩を示した。本論文では,産業分野におけるその応用に焦点を当て,タイヤX線画像における欠陥を検出するための完全畳込みネットワーク(FCN)に基づく方法を提案した。FCNの画素ごとの予測の能力のために,欠陥の位置と分割を同時に完了した。この方法で用いたネットワークアーキテクチャは主に3つの相から成る。第一の位相は従来の深いネットワークであり,タイヤ画像の特徴を抽出するために使用され,特徴マップは最終層で得られる。完全に接続した層を畳込み層に置き換えることにより,最終特徴マップは十分な空間情報を保持する。アップサンプリング層を追加することにより,第二相において,元の画像と同じサイズの出力を生成することができた。最初の2つのフェーズの後,著者らは粗いセグメンテーション結果を開発して,マルチスケール特徴マップを融合することを通してそれらを精製した。実験結果は,提案した方法がタイヤ画像の欠陥を正確に位置決めし,セグメント化できることを示した。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： 画素 ,  *ネットワーク ,  ネットワークアーキテクチャ ,  *畳込み ,  高速度 ,  *タイヤ ,  位相 ,  *故障検出 ,  画像 ,  X線画像 ,  セグメンテーション
準シソーラス用語： マルチスケール ,  アップサンプリング ,  特徴マップ ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 畳込み ,  タイヤ ,  欠陥検出