抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
テクスチャ化画像のための知的欠陥セグメンテーションシステムの構築は,産業検査と品質管理の実用化におけるその重要性値のために,研究と産業コミュニティの両方において非常に注目されている。以前のモデルは,手書き特徴を設計することにより,セグメンテーションのための古典的分類器を学習した。しかし,テクスチャ表面画像の欠陥セグメンテーションは,画像中のテクスチャとパターンの変化とともに,あいまいな形状や欠陥のサイズなどの課題を引き起こす。このようにして,手書き特徴ベースのセグメンテーション法は,特定のタイプのテクスチャ画像に適用できるだけである。この目的のために,欠陥の自動セグメンテーションのための一般的な深い学習ベースの表現を学習することが望ましい。さらに,周波数領域における深い特徴を効率的に抽出する研究は比較的少ないが,テクスチャ画像のパターンを理解するためには非常に重要である。本論文では,新しい欠陥分割深いネットワーク-主二次ネットワーク(MS-Net)を提案した。著者らのMS-Netは,空間領域と周波数領域からの両方の特徴をモデル化するために訓練される。そこでは,ウェーブレット変換が周波数領域から識別情報を抽出するために利用される。広範な実験は,著者らのMS-Netの有効性を示した。Copyright 2020 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】