研究会 - Attentionを付与したYOLO-v3による電動機コイルの不具合判定
2021-03-05 14:05 ［ショートペーパー］Attentionを付与したYOLO-v3による電動機コイルの不具合判定 ○加藤瑞希・岩本祐太郎（立命館大）・杉本敏孝・饗場 徹（草津電機）・陳 延偉（立命館大） 物体検出技術は工場での製品に対する外観検査において多く応用が検討されている. しかし, 検出対象や問題設定により検出モデル改良の余地が大きく, 細かなパラメータ調整や新たな特徴抽出器の導入等が必要である. 本研究では, 物体検出技術を用いた電動機コイル不具合品の自動検出を目的とする. 既存の物体検出手法YOLO-v3に画像中の不具合領域の位置情報を強調させることを目的として空間Attention機構を導入し, 検出精度の向上を図った. Object detection has been widely applied to the visual inspection of fa
深層学習入門：画像分類（5）Attention 機構 | SBテクノロジー (SBT)
こんにちは、データサイエンスチームの白石です。 前回は、マルチタスク学習を試してみて、犬猫分類器の精度向上を試みました。 結果としては、明確に改善した、と言い切れるほど大幅な改善はありませんでしたが、マルチタスクの導入によって精度が向上するケースも確認できました。 今回は、Attention 機構と呼ばれる仕組みを導入し、犬猫分類器の精度向上を試みます。 「機械学習導入支援サービス」の詳細はこちら Attention 機構とは何か Attention 機構は、現代の深層学習の花形と言える仕組みです。 Attention 機構というと、自然言語処理などでよく使われる技術だ、と思われる方もいらっしゃるかもしれません。歴史的には、Seq2Seq と呼ばれる自然言語処理などで使用されるリカレントニューラルネットワークベースのモデルに対して組み込まれ、大きな注目を集めました。近年では、機械翻訳のため
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
