SsaA: A Self-supervised auto-Annotation System for Online Visual Inspection and Manufacturing Automation

要約

最近のクラウドコンピューティング技術の動向は、目視検査のアプリケーションを効果的に後押ししています。しかし、多くのシステムは、人間がループに参加する形で動作しており、オンラインアプリケーションを長期的にサポートすることはできない。そこで、本論文では、製造業における自動外観検査を継続的に行うための、自己教師付き学習による自動アノテーションシステムSsaAを提案します。SsaAは、自己教師付き学習により、製造業のライフサイクル全体を対象とした目視検査アプリケーションを構築するのに有効である。初期段階では、異常のないデータのみを用いて、教師なしアルゴリズムを採用し、前文タスクの処理と次のデータ用の粗いラベルを生成します。その後、下流タスクのために教師ありアルゴリズムが学習される。SsaA はユーザーフレンドリーなウェブベースのインターフェースを持ち、教師なしと教師ありの両方のアルゴリズムを統合して展開するのに非常に便利である。これまで、SsaAシステムはいくつかの実際の産業用アプリケーションに採用されています。

要約(オリジナル)

Recent trends in cloud computing technology effectively boosted the application of visual inspection. However, most of the available systems work in a human-in-the-loop manner and can not provide long-term support to the online application. To make a step forward, this paper outlines an automatic annotation system called SsaA, working in a self-supervised learning manner, for continuously making the online visual inspection in the manufacturing automation scenarios. Benefit from the self-supervised learning, SsaA is effective to establish a visual inspection application for the whole life-cycle of manufacturing. In the early stage, with only the anomaly-free data, the unsupervised algorithms are adopted to process the pretext task and generate coarse labels for the following data. Then supervised algorithms are trained for the downstream task. With user-friendly web-based interfaces, SsaA is very convenient to integrate and deploy both of the unsupervised and supervised algorithms. So far, the SsaA system has been adopted for some real-life industrial applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL