ドメイン一般化テクスチャ表面異常検出【JST・京大機械翻訳】

Chen Shang-Fu; Liu Yu-Min; Lin Chia-Ching; Chen Trista Pei-Chun; Wang Yu-Chiang Frank

プレプリント

J-GLOBAL ID：202202205118349488 整理番号：22P0308954

ドメイン一般化テクスチャ表面異常検出【JST・京大機械翻訳】

Domain-Generalized Textured Surface Anomaly Detection

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年03月23日プレプリントサーバーでの情報更新日： 2022年03月23日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

異常検出は,正常データから逸脱する異常データの同定を目的とし,一方,このタスクを実行するためのモデルを訓練するために,通常十分な量の正常データを必要とする。最近の異常検出方法の成功にもかかわらず,非意味ドメインにおける異常検出の実行は,挑戦的な課題のままである。本論文では,領域一般化テクスチャ表面異常検出の課題に取り組んだ。多重ソースドメインにわたる正常および異常な表面データを観察することにより,著者らのモデルは,試験中に少数の通常データしか観察できない,興味あるテクスチャ表面に対して一般化されることが期待される。訓練データで観察される画像レベルラベルのみを持つが,パッチベースのメタ学習モデルは,有望な一般化能力を示す:それは,画像ドメインを非意味で一般化できるだけでなく,クエリ画像における異常領域も局所化できる。著者らの実験は,著者らのモデルが種々の設定において最先端の異常検出とドメイン一般化アプローチに対して有利に機能することを検証する。【JST・京大機械翻訳】

, , , , ,
, , , , , 【Automatic Indexing@JST】

パターン認識 , 医用画像処理

, , ,

前のページに戻る