文献

J-GLOBAL ID：202202286869959284   整理番号：22A1210656

産業応用を目指した外観検査CNNの軽量化

著者 (5件)： 山根大河 (東大) ,  梅田靖 (東大) ,  木下裕介 (東大) ,  増田周弥 (住友電気工業) ,  濱田徳亜 (住友電気工業)
資料名： 精密工学会大会学術講演会講演論文集(CD-ROM)  (精密工学会秋季大会学術講演会講演論文集(CD-ROM))
巻： 2022  号： 春季(CD-ROM)  ページ： ROMBUNNO.A11  発行年： 2022年03月02日 
JST資料番号： Y0914B  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 近年,深層学習による画像認識の発展と共に外観検査への応用が期待されている。しかし,現状の深層学習を用いた外観検査システムには大規模データセット且つ複雑なタスクに向けて作られた深層学習モデルが使われているため,判別速度や計算資源等の外観検査の要件を満たすことができない。そこで,本研究では外観検査の要件を満たすために軽量な深層学習モデルの作成や効率的な判別処理を含めた外観検査システムを構築する。(著者抄録)

シソーラス用語： *外観検査 ,  *ニューラルネットワーク ,  *軽量化 ,  実用化 ,  機械学習 ,  画像認識 ,  集合 ,  認識 ,  資源 ,  モデリング ,  システム ,  エノール ,  脂肪族アルコール ,  脂肪族塩素化合物 ,  無機酸エステル
準シソーラス用語： CNN ,  計算資源 ,  検査システム ,  産業応用 ,  深層学習 ,  大規模データセット ,  判別

分類 (5件)： 品質検査  (KB04020L) ,  品質管理一般  (KB04010A) ,  人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I) ,  システム設計・解析  (IA02030D)

物質索引 (1件)： タスク

引用文献 (7件)：

• S. Y. Jung, et al.: “Defect Detection on Randomly Textured Surfaces by Convolutional Neural Networks,” 2018 IEEE/ASME International Conference on Advanced Intelligent Mechatronics (AIM). IEEE, 2018
• Kai Cheng, et al. “e-Manufacturing: Characteristics, applications and potentials.” Progress in Natural Science 18.11 (2008): 1323-1328.
• Tian Wang, et al: “A fast and robust convolutional neural network-based defect detection model in product quality control,” The International Journal of Advanced Manufacturing Technology 94.9-12, 2018: 3465-3471.
• Xiaohan Ding, et al. ′′repVGG: Making VGG-style Convnets Great Again.′′ arXiv preprint arXiv:2101.03697, 2021.
• Hao Li, et al. ′′Pruning Filters for Efficient ConvNets.′′ arXiv preprint arXiv:1608.08710, 2017.

タイトルに関連する用語 (4件)： 産業応用 ,  外観検査 ,  CNN ,  軽量化