High-Performance Fine Defect Detection in Artificial Leather Using Dual Feature Pool Object Detection

要約

この研究では、YOLOv5 モデルの構造的問題が重点的に分析されました。
人工皮革の微細欠陥の特性に基づいて、DFP、IFF、AMP、EOSという4つの革新的な構造を設計しました。
これらの進歩により、高性能人工皮革微細欠陥検出モデル「YOLOD」が提案されました。
YOLOD は人工皮革の欠陥データセットで優れたパフォーマンスを示し、YOLOv5 と比較して AP_50 で 11.7% ～ 13.5% の大幅な増加を達成し、エラー検出率で 5.2% ～ 7.2% の大幅な減少を達成しました。
さらに、YOLOD は一般的な MS-COCO データセットでも顕著なパフォーマンスを示し、AP では YOLOv5 と比較して 0.4% ～ 2.6% 増加し、AP_S では YOLOv5 と比較して 2.5% ～ 4.1% 増加しました。
これらの結果は、人工皮革の欠陥検出と一般的な物体検出タスクの両方における YOLOD の優位性を示しており、YOLOD が現実世界のアプリケーションにとって非常に効率的で効果的なモデルとなっています。

要約(オリジナル)

In this study, the structural problems of the YOLOv5 model were analyzed emphatically. Based on the characteristics of fine defects in artificial leather, four innovative structures, namely DFP, IFF, AMP, and EOS, were designed. These advancements led to the proposal of a high-performance artificial leather fine defect detection model named YOLOD. YOLOD demonstrated outstanding performance on the artificial leather defect dataset, achieving an impressive increase of 11.7% – 13.5% in AP_50 compared to YOLOv5, along with a significant reduction of 5.2% – 7.2% in the error detection rate. Moreover, YOLOD also exhibited remarkable performance on the general MS-COCO dataset, with an increase of 0.4% – 2.6% in AP compared to YOLOv5, and a rise of 2.5% – 4.1% in AP_S compared to YOLOv5. These results demonstrate the superiority of YOLOD in both artificial leather defect detection and general object detection tasks, making it a highly efficient and effective model for real-world applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google