Instance Segmentation Based Graph Extraction for Handwritten Circuit Diagram Images

要約

教育シナリオや歴史的な情報源からの手書きの回路図は、通常、アナログ メディアに存在します。
機能原理や欠陥を自動的に導き出すには、電子グラフを抽出してデジタル化する必要があります。
最近、このプロセスを促進する自動化されたパイプラインの基本テクノロジは、コンピューター ビジョンから機械学習に移行しました。
この論文では、インスタンス セグメンテーションとキーポイント抽出によって、電気コンポーネント (端子と記述テキストを含む) と相互接続 (ジャンクションとワイヤ ホップを含む) の両方を抽出するアプローチについて説明します。
その結果、結果として得られるグラフ抽出プロセスは、モデル推論と自明な幾何学的キーポイント マッチングの単純な 2 ステップ プロセスで構成されます。
データセット自体、その準備、モデルのトレーニング、および後処理について説明し、公開しています。

要約(オリジナル)

Handwritten circuit diagrams from educational scenarios or historic sources usually exist on analogue media. For deriving their functional principles or flaws automatically, they need to be digitized, extracting their electrical graph. Recently, the base technologies for automated pipelines facilitating this process shifted from computer vision to machine learning. This paper describes an approach for extracting both the electrical components (including their terminals and describing texts) as well their interconnections (including junctions and wire hops) by the means of instance segmentation and keypoint extraction. Consequently, the resulting graph extraction process consists of a simple two-step process of model inference and trivial geometric keypoint matching. The dataset itself, its preparation, model training and post-processing are described and publicly available.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google