欠陥鋳造製品を同定するための効率的な深層学習法【JST・京大機械翻訳】

Bolla Bharath Kumar; Kingam Mohan; Ethiraj Sabeesh

プレプリント

J-GLOBAL ID：202202220083163520 整理番号：22P0350205

欠陥鋳造製品を同定するための効率的な深層学習法【JST・京大機械翻訳】

Efficient Deep Learning Methods for Identification of Defective Casting Products

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 (3件)： , ,
資料名：
発行年： 2022年05月14日プレプリントサーバーでの情報更新日： 2022年05月14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)

品質検査は,最近,大規模製造業において重要になった。ヒューマンエラーを減らすために,そのような欠陥製品を同定するために,効率的で低い計算AIアルゴリズムを使用することが不可欠になった。本論文では,欠陥鋳造製品の検出において,モデルサイズ,性能およびCPU待ち時間を用いて,様々な事前訓練およびカスタム構築アーキテクチャを比較し,対比した。その結果,カスタムアーキテクチャは事前訓練モバイルアーキテクチャよりも効率的であることを示した。さらに,カスタムモデルは,MobileNetV2やNasNetのような軽量モデルよりも6から9倍高速である。訓練パラメータの数とカスタムアーキテクチャのモデルサイズは,MobileNetV2とNasNetのような最良性能モデルよりも有意に低かった(それぞれ386倍と119倍)。また,モデルをよりロバストで一般化できるように,カスタムアーキテクチャに関して,拡張実験を行った。本研究は,EdgeとIoTデバイスへの展開のためのこれらの特注アーキテクチャの効率に光を当て,移動学習モデルは常に理想的ではないかもしれない。代わりに,それらは,データセットの種類と手での分類問題に特異的であるべきである。【JST・京大機械翻訳】

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

人工知能

, , ,

前のページに戻る