文献
J-GLOBAL ID:202202223907668234   整理番号:22A0780536

拡張FPNモデルに基づく焦点ハードサンプルPCBの欠陥検出方法【JST・京大機械翻訳】

A Method of Defect Detection for Focal Hard Samples PCB Based on Extended FPN Model
著者 (5件):
資料名:
巻: 12  号:ページ: 217-227  発行年: 2022年 
JST資料番号: W0590B  ISSN: 2156-3950  CODEN: ITCPC8  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: アメリカ合衆国 (USA)  言語: 英語 (EN)
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。
プリント回路基板(PCB)欠陥の多様性,複雑性および小型化から,従来の検出法は検出が困難である。オブジェクト検出は,深いニューラルネットワークに基づいて大きな進歩を遂げたにもかかわらず,小さなオブジェクトに焦点を当てるための課題となっている。マルチスケール融合を可能にすることによってこの課題に取り組んだ。本論文では,拡張特徴ピラミッドネットワークモデルに基づくPCB欠陥検出アルゴリズムを導入した。バックボーンは,小さなオブジェクトを正確に位置決めし,同定するために,ResNet-101の一部によって構築され,本論文は,高レベル意味情報と低レベル幾何学的情報を統合する特徴層を構築する。特徴ピラミッドネットワーク(FPN)ネットワーク構造に基づいて,以前の意味情報の1×1畳込み横方向融合を用いて,融合特徴は,3×3畳込みを用いて,最終的特徴層を得た。PCB欠陥が分類するのが難しいという問題を考察し,焦点損失関数を導入した。訓練プロセスにおける過剰適合を減らすために,画像クリッピングと回転を用いて元のデータを強化した。PCB欠陥データセットに関する定量分析を通して,これらの結果は平均精度(mAP)の検出のために融合低レベル特徴層で使用するのに最良である。これは,公的PCBデータセットで96.2%であり,最先端の方法を超えている。Copyright 2022 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】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
プリント回路 

前のページに戻る