XAI-Enhanced Semantic Segmentation Models for Visual Quality Inspection

要約

製造や物流などの分野で重要な外観品質検査システムは、コンピューター ビジョンと機械学習を採用して、正確かつ迅速な欠陥検出を実現します。
ただし、その説明のつかない性質により、信頼性、エラーの特定、システムの改善が妨げられる可能性があります。
このペーパーでは、CAM ベースの説明を使用してセマンティック セグメンテーション モデルを洗練することで、視覚的な品質検査を強化するフレームワークを紹介します。
私たちのアプローチは、1) モデルのトレーニング、2) XAI ベースのモデルの説明、3) XAI の評価、および 4) 説明と専門家の洞察に基づくモデル強化のための注釈の拡張で構成されます。
評価では、特に複雑なオブジェクトのセグメンテーションにおいて、XAI で強化されたモデルがオリジナルの DeepLabv3-ResNet101 モデルを上回ることが示されています。

要約(オリジナル)

Visual quality inspection systems, crucial in sectors like manufacturing and logistics, employ computer vision and machine learning for precise, rapid defect detection. However, their unexplained nature can hinder trust, error identification, and system improvement. This paper presents a framework to bolster visual quality inspection by using CAM-based explanations to refine semantic segmentation models. Our approach consists of 1) Model Training, 2) XAI-based Model Explanation, 3) XAI Evaluation, and 4) Annotation Augmentation for Model Enhancement, informed by explanations and expert insights. Evaluations show XAI-enhanced models surpass original DeepLabv3-ResNet101 models, especially in intricate object segmentation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google