文献

J-GLOBAL ID：202202224842821092   整理番号：22A1117563

深層学習に基づくX線画像における対話型欠陥セグメンテーション【JST・京大機械翻訳】

Interactive defect segmentation in X-Ray images based on deep learning

著者 (10件)： Du Wangzhe (The State Key Laboratory of Fluid Power and Mechatronic Systems, College of Mechanical Engineering, Zhejiang University, Hangzhou, 310027, China) ,  Du Wangzhe (Key Laboratory of 3D Printing Process and Equipment of Zhejiang Province, College of Mechanical Engineering, Zhejiang University, Hangzhou 310027, China) ,  Shen Hongyao (The State Key Laboratory of Fluid Power and Mechatronic Systems, College of Mechanical Engineering, Zhejiang University, Hangzhou, 310027, China) ,  Shen Hongyao (Key Laboratory of 3D Printing Process and Equipment of Zhejiang Province, College of Mechanical Engineering, Zhejiang University, Hangzhou 310027, China) ,  Zhang Ge (The State Key Laboratory of Fluid Power and Mechatronic Systems, College of Mechanical Engineering, Zhejiang University, Hangzhou, 310027, China) ,  Zhang Ge (Key Laboratory of 3D Printing Process and Equipment of Zhejiang Province, College of Mechanical Engineering, Zhejiang University, Hangzhou 310027, China) ,  Yao Xinhua (The State Key Laboratory of Fluid Power and Mechatronic Systems, College of Mechanical Engineering, Zhejiang University, Hangzhou, 310027, China) ,  Yao Xinhua (Key Laboratory of 3D Printing Process and Equipment of Zhejiang Province, College of Mechanical Engineering, Zhejiang University, Hangzhou 310027, China) ,  Fu Jianzhong (The State Key Laboratory of Fluid Power and Mechatronic Systems, College of Mechanical Engineering, Zhejiang University, Hangzhou, 310027, China) ,  Fu Jianzhong (Key Laboratory of 3D Printing Process and Equipment of Zhejiang Province, College of Mechanical Engineering, Zhejiang University, Hangzhou 310027, China)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 198  ページ： Null  発行年： 2022年 
JST資料番号： W0178A  ISSN： 0957-4174  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 深い学習に基づくインテリジェント欠陥検出システムは,アルミニウム鋳造部品のX線画像の欠陥を分割するのに,大きな可能性がある。データベースの方法の成功は,それらの構築に必要な注釈プロセスを実行するための時間と労力を必要とする良く確立されたデータセットに依存する。画像アノテーションの効率を改善する努力において,多くの深い学習指向対話型セグメンテーション型研究が,高い意味情報を持つ単一自然オブジェクトで行われている。しかし,これらのアプローチは,欠陥が不鮮明な境界,多重スケール,1つの領域のランダム分布,および低いコントラストのような特徴を持つので,X線画像における低い意味情報を有する欠陥に適していない。X線画像のための深層学習ベースの対話型セグメンテーションの分野におけるこのギャップを埋めるために,著者らは本研究を行う。最初に,静的および動的点サンプリング戦略を提案し,モデル訓練を誘導する前景および背景点を生成した。第2に,著者らは,段階によって大域的および点指定情報段階の両方を認識するための反復訓練手順を提案する。第3に,クリック注意モジュールを有する対話型X線ネットワーク(IXNet)を提案して,同時に1つの領域における低い意味情報を有する多重鋳造欠陥のための対話型セグメンテーションを達成した。実験結果は,提案した方法の有効性を証明した:反復訓練プロセスは,純粋訓練プロセスと比較して,それぞれ,mNoC(75%)とmNoC(80%)で13%と5%改善し,クリック注意モジュールを有するIXNetは,mNoC(75%)とmNoC(80%)で,それぞれ2.38と3.96を達成できる。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： コントラスト ,  *学習 ,  *セグメンテーション ,  データベース ,  ネットワーク ,  アルミニウム ,  鋳造 ,  多重化 ,  モデル ,  *X線画像 ,  *機械学習 ,  アノテーション
準シソーラス用語： マルチスケール ,  意味情報 ,  *対話型 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： 対話型欠陥セグメンテーション ,  アルミニウム部品の鋳造 ,  X線画像 ,  深層学習 ,  非破壊検査 ,  コンピュータビジョン

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  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)： 深層学習 ,  X線画像 ,  対話型 ,  欠陥 ,  セグメンテーション