Localizing the conceptual difference of two scenes using deep learning for house keeping usages

要約

産業環境における2つの画像間の概念的な違いを見つけることは、HSEの目的のために特に重要であり、関連するコントローラに警告するための主要な違いを見つけるための信頼性と適合性のある方法はまだありません。異なる環境におけるオブジェクトの多さと多様性のために、この分野での教師あり学習法の使用は大きな問題に直面しています。2つのシーンにおける照明条件の急激な変化やわずかな変化のために、これらの違いを見つけるために2つの画像を素朴に差し引くことは不可能である。本論文の目的は、1つのシーンでありながら2つの異なる時間における2つのフレームの概念的な差異を見つけ出し、局所化し、その差異を現場での付加、縮小、変化に分類することである。本論文では、深層学習法を提示し、伝達学習と誤差関数の構造修正を用いるとともに、データの追加と合成のプロセスを示すことで、このアプリケーションの包括的なソリューションを示している。適切なデータセットを提供し、ラベル付けを行い、このデータセットでモデル結果を評価し、実業界や産業界への応用の可能性を説明した。

要約(オリジナル)

Finding the conceptual difference between the two images in an industrial environment has been especially important for HSE purposes and there is still no reliable and conformable method to find the major differences to alert the related controllers. Due to the abundance and variety of objects in different environments, the use of supervised learning methods in this field is facing a major problem. Due to the sharp and even slight change in lighting conditions in the two scenes, it is not possible to naively subtract the two images in order to find these differences. The goal of this paper is to find and localize the conceptual differences of two frames of one scene but in two different times and classify the differences to addition, reduction and change in the field. In this paper, we demonstrate a comprehensive solution for this application by presenting the deep learning method and using transfer learning and structural modification of the error function, as well as a process for adding and synthesizing data. An appropriate data set was provided and labeled, and the model results were evaluated on this data set and the possibility of using it in real and industrial applications was explained.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL