文献

J-GLOBAL ID：202102246643235536   整理番号：21A0449973

転移学習ベースCNNモデルを用いた微小欠陥の検出

Detection of minute defects using transfer learning-based CNN models

著者 (7件)： Nakashima Kento (Graduate School of Engineering, Sanyo-Onoda City University, Sanyo-Onoda, Japan) ,  Nagata Fusaomi (Graduate School of Engineering, Sanyo-Onoda City University, Sanyo-Onoda, Japan) ,  Ochi Hiroaki (Graduate School of Engineering, Sanyo-Onoda City University, Sanyo-Onoda, Japan) ,  Otsuka Akimasa (Graduate School of Engineering, Sanyo-Onoda City University, Sanyo-Onoda, Japan) ,  Ikeda Takeshi (Graduate School of Engineering, Sanyo-Onoda City University, Sanyo-Onoda, Japan) ,  Watanabe Keigo (Okayama University, Okayama, Japan) ,  Habib Maki K. (American University in Cairo, Cairo, Egypt)
資料名： Artificial Life and Robotics  (Artificial Life and Robotics)
巻： 26  号： 1  ページ： 35-41  発行年： 2021年02月 
JST資料番号： L3251A  ISSN： 1433-5298  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： 要旨:本論文では,畳み込みニューラルネットワーク(CNN)の設計および学習のために,AlexNet,VGG16,VGG19のような直列型ネットワーク,あるいはGoogleNet,Inception-v3,IncResNetV2のような有向非巡回グラフ(DAG)型ネットワーク,などに基づいた転移学習ベースCNNの構築を容易にするツールを提案する。AlexNetの転移学習を用いることにより,樹脂成形品のための微小欠陥検出システムを開発した。AlexNetは,上記の6つの強力なネットワークの中で,層構造が最も浅く,重みの数が最も少ないため,評価に際して最初に取り扱うCNNとして選択した。転移学習プロセスにおいては,最後の完全接続層を新しいタスクに必要なカテゴリ数にしたがって置換した後,典型的な微小欠陥を含む学習画像を用いて仕上げとなる追加学習を行った。実験においては,6種分類と2種分類の課題を処理するために,転移学習ベースのAlexNet_6とAlexNet_2がそれぞれ得られた。次に比較のために,筆者らが設計し,sssNet_6とsssNet_2と名付けた15層のCNNを用意し,学習を行わせた。最後に,AlexNet_6とsssNet_6,またAlexNet_2とsssNet_2とを,それぞれ分類実験を通して定量的に比較し,評価した。Copyright International Society of Artificial Life and Robotics (ISAROB) 2020 Translated from English into Japanese by JST.

シソーラス用語： *機械学習 ,  *ニューラルネットワーク ,  プラスチック成形 ,  *故障検出 ,  有向グラフ ,  状態 ,  情報 ,  分類
準シソーラス用語： *CNN ,  バイナリ分類 ,  画像情報 ,  *欠陥検出 ,  樹脂成形 ,  畳込みニューラルネットワーク ,  直列 ,  *転移学習 ,  有向非巡回グラフ

著者キーワード (4件)： 畳込みニューラルネットワーク(CNN) ,  CNN設計ツール ,  転移学習 ,  微小欠陥検出

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 転移学習 ,  CNN ,  モデル ,  微小 ,  欠陥