文献

J-GLOBAL ID：202202264201130883   整理番号：22A0575794

小およびクラス不均衡データセットを用いた欠陥スポット溶接分類のための深層学習アプローチ【JST・京大機械翻訳】

Deep learning approach for defective spot welds classification using small and class-imbalanced datasets

著者 (8件)： Dai Wei (State Key Laboratory of Mechanical Systems and Vibration, Shanghai Jiao Tong University, Shanghai, 200240, China) ,  Dai Wei (Materials Genome Initiative Center, Shanghai Jiao Tong University, 200240, China) ,  Li Dayong (State Key Laboratory of Mechanical Systems and Vibration, Shanghai Jiao Tong University, Shanghai, 200240, China) ,  Li Dayong (Materials Genome Initiative Center, Shanghai Jiao Tong University, 200240, China) ,  Tang Ding (State Key Laboratory of Mechanical Systems and Vibration, Shanghai Jiao Tong University, Shanghai, 200240, China) ,  Wang Huamiao (State Key Laboratory of Mechanical Systems and Vibration, Shanghai Jiao Tong University, Shanghai, 200240, China) ,  Wang Huamiao (Materials Genome Initiative Center, Shanghai Jiao Tong University, 200240, China) ,  Peng Yinghong (State Key Laboratory of Mechanical Systems and Vibration, Shanghai Jiao Tong University, Shanghai, 200240, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 477  ページ： 46-60  発行年： 2022年 
JST資料番号： W0360A  ISSN： 0925-2312  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： 大規模注釈とクラスバランスデータセットのアベイラビリティは,スポット溶接検出のような深層学習ベースコンピュータビジョンタスクにとって非常に重要である。しかし,スポット溶接欠陥の十分な画像データを収集することは,非常に時間とコストを消費する。画像データセットの厳しいクラス不均衡は,深層学習アルゴリズムの性能を悪化させる。生成敵対ネットワーク(GANs)は,マイナーなクラスのために人工データサンプルを生成する効果的方法を提供する。本研究では,GANベースのデータ増強を用いてスポット溶接欠陥分類の性能を改善するためのフレームワークを提案した。従来のGANは,高クラス不均衡データセットにおいて少数クラス画像を生成するのに適していない。GANと勾配ペナルティ(BAGAN-GP)を,少数クラスサンプルの数が非常に小さい極端な場合でさえ,多様な少数クラス画像を生成するためにここで利用した。次に,画像分類器を転送学習法を採用した事前訓練深層ニューラルネットワークで構築した。BAGAN-GPにより生成された画像を訓練データセットに加え,より良い分類性能のための分類器を改善した。大規模な実験は,提案した方式が効率的にスポット溶接欠陥画像を作り出すことができて,アノテーション-ラックまたはクラス-不均衡データセットによる産業検査のための分類の性能を改良することを示した。本研究は,深い学習に基づく産業欠陥画像解析のための貴重な参照を提供する。コードは利用可能である:https://github.com/daiwei9501/Defective-spot-welding。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： *学習 ,  ネットワーク ,  *点溶接 ,  アベイラビリティ ,  画像 ,  *集合 ,  *不安定性 ,  画像分析 ,  ペナルティ ,  学習アルゴリズム ,  アノテーション
準シソーラス用語： 訓練データ ,  画像分類 ,  *不均衡データセット ,  *深層学習 ,  *クラス不均衡 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： クラス不均衡データセット ,  データ増強 ,  生成敵対ネットワーク ,  転移学習 ,  欠陥のあるスポット溶接の分類

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： クラス ,  不均衡データセット ,  欠陥 ,  スポット溶接 ,  分類 ,  深層学習