文献

J-GLOBAL ID：202202252678328237   整理番号：22A0150104

弱教師つき表面欠陥セグメンテーションのための欠陥注意テンプレート生成サイクルGAN【JST・京大機械翻訳】

Defect attention template generation cycleGAN for weakly supervised surface defect segmentation

著者 (5件)： Niu Shuanlong (Digital Manufacturing Equipment and Technology, School of Mechanical Science and Engineering, Huazhong University of Science and Technology, Wuhan 430074, China) ,  Li Bin (Digital Manufacturing Equipment and Technology, School of Mechanical Science and Engineering, Huazhong University of Science and Technology, Wuhan 430074, China) ,  Wang Xinggang (School of Electronic Information and Communications, Huazhong University of Science and Technology, Wuhan 430074, China) ,  He Songping (Digital Manufacturing Equipment and Technology, School of Mechanical Science and Engineering, Huazhong University of Science and Technology, Wuhan 430074, China) ,  Peng Yaru (Digital Manufacturing Equipment and Technology, School of Mechanical Science and Engineering, Huazhong University of Science and Technology, Wuhan 430074, China)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 123  ページ： Null  発行年： 2022年 
JST資料番号： D0611A  ISSN： 0031-3203  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： 表面欠陥セグメンテーションは工業生産の品質検査にとって非常に重要であり,重要なパターン認識問題である。深層学習(DL)は,表面欠陥セグメンテーションにおいて顕著な結果を達成したが,これらの結果のほとんどは,ピクセルレベルアノテーションを有する大規模画像を用いて得られ,それは産業サイトで得るのが困難であった。本論文では,画像レベルアノテーションにより訓練された改良サイクル整合生成敵対ネットワーク(CycleGAN)により生成された動的テンプレートに基づく弱教師つき欠陥セグメンテーション法を提案した。弱い信号を有する欠陥のためのより良いテンプレートを生成するために,欠陥領域の除去を強化し,バックグラウンドにおける変化を抑えるために,識別器のために欠陥残差を適用することによって欠陥注意モジュールを提案した。欠陥サイクル無矛盾損失を,グレースケールと構造特徴を含むオリジナルのL1損失に構造類似性(SSIM)を加えることによって設計した。提案した損失は欠陥の内部構造をより良くモデル化できる。無欠陥テンプレートを得た後に,欠陥セグメンテーションマップを簡単な画像比較と閾値セグメンテーションを通して容易に得ることができた。実験により,提案手法は,効率的で効果的であり,他の弱教師つき手法よりも著しく優れ,また,DAGM2007,KSDおよびCCSDデータセット(それぞれ78.28%,59.43%および68.83%)上の3つの産業データセット(統合上の区間(IoU))に対する教師つき方法と同等または優れている性能を達成することを示した。また,提案手法はアクティブ学習と組み合わせた半自動注釈ツールとして使用できる。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： パターン認識 ,  弁別器 ,  *セグメンテーション ,  ネットワーク ,  グレースケール ,  残差 ,  故障検出 ,  画素 ,  教師つき学習 ,  構造特性 ,  品質検査 ,  アノテーション
準シソーラス用語： 能動学習 ,  画像セグメンテーション ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 弱教師つき学習 ,  欠陥検出 ,  画像セグメンテーション ,  生成敵対ネットワーク(GAN) ,  注意モデル

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (8件)： 教師 ,  表面欠陥 ,  セグメンテーション ,  欠陥 ,  注意 ,  テンプレート ,  サイクル ,  GaN