文献

J-GLOBAL ID：202002260140928592   整理番号：20A1125578

多重断面ビュー表現を用いた新しい学習ベース特徴認識法【JST・京大機械翻訳】

A novel learning-based feature recognition method using multiple sectional view representation

著者 (5件)： Shi Peizhi (EPSRC Future Advanced Metrology Hub, School of Computing and Engineering, University of Huddersfield, Huddersfield, UK) ,  Qi Qunfen (EPSRC Future Advanced Metrology Hub, School of Computing and Engineering, University of Huddersfield, Huddersfield, UK) ,  Qin Yuchu (EPSRC Future Advanced Metrology Hub, School of Computing and Engineering, University of Huddersfield, Huddersfield, UK) ,  Scott Paul J. (EPSRC Future Advanced Metrology Hub, School of Computing and Engineering, University of Huddersfield, Huddersfield, UK) ,  Jiang Xiangqian (EPSRC Future Advanced Metrology Hub, School of Computing and Engineering, University of Huddersfield, Huddersfield, UK)
資料名： Journal of Intelligent Manufacturing  (Journal of Intelligent Manufacturing)
巻： 31  号： 5  ページ： 1291-1309  発行年： 2020年 
JST資料番号： W0196A  ISSN： 0956-5515  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： コンピュータ支援設計(CAD)とプロセス計画(CAPP)において,特徴認識は,コンピュータ支援製造(CAM)のための3Dモデルの特徴型を同定する重要なタスクである。一般的に,従来のルールベース特徴認識法は計算的に高価であり,表面または特徴型に依存している。さらに,交差する特徴を認識するための適切なルールを設計することは非常に挑戦的である。最近,FeaturNetと呼ばれる学習ベースの方法が,単一および多特徴認識の両方に対して提案されている。これは,あらゆるタイプの特徴と表面を扱うことができる汎用アルゴリズムである。しかしながら,各特徴に対する数千の注釈付き訓練サンプルは,高い単一特徴認識精度を達成するための訓練に必要であり,この技術は実際に使用することを困難にしている。さらに,実験結果は,このアプローチにおけるマルチ特徴認識部分が,小さな重なり領域との交差特徴に非常に良く機能するが,高度に交差する特徴を認識するときに失敗する可能性があることを示唆した。上記の問題を扱うために,特徴認識のために,MsvNetと呼ばれる多重断面図(MSV)表現に基づく深い学習フレームワークを提案した。MsvNetにおいて,3DモデルのMSVsを深いネットワークの入力として収集し,異なる視点から得られた情報を認識のためにニューラルネットワークを介して結合した。MSV表現に加えて,訓練サンプル数と訓練時間を最小化するために,いくつかの先進的学習戦略(例えば,転送学習,データ拡張)も採用した。マルチ特徴認識のために,新しい視点ベースの特徴セグメンテーションと認識アルゴリズムを提示した。実験結果により,提案手法は,非常に少数の訓練サンプル(例えば各特徴に対して8~32サンプル)のみを用いて,FeaturNetデータセット上で最先端の単一特徴性能を達成でき,認識性能に関して最先端学習ベースのマルチ特徴認識手法より優れていることを実証した。Copyright The Author(s) 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  CAD【計算機】 ,  *学習 ,  セグメンテーション ,  ネットワーク ,  ニューラルネットワーク ,  工程計画 ,  *多重化 ,  CAM【生産】 ,  CAPP ,  ルールベース ,  アノテーション ,  三次元モデル
準シソーラス用語： *特徴認識 ,  認識アルゴリズム , 【Automatic Indexing@JST】

著者キーワード (5件)： 特徴認識 ,  深層学習 ,  多重断面図 ,  伝達学習 ,  データ増強

分類 (3件)： 人工知能  (JE08000Z) ,  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 (4件)： 多重 ,  表現 ,  学習 ,  特徴認識