Leveraging Multi-view Data for Improved Detection Performance: An Industrial Use Case

要約

タイトル：マルチビューデータを活用した検出性能の向上：産業用ユースケース

要約：

– PCB（Printed circuit boards）は電子機器の必須部品であり、その品質の保証は生産において極めて重要である。
– しかし、異なる企業が製造する様々な部品やPCBの種類の多様性は、迅速な生産ラインへの適応を困難にしている。
– この問題に対処するために、我々はマルチビュー物体検出フレームワークを提案し、高速かつ正確な解決策を提供する。
– 我々は、半自動的なグラウンドトゥルースデータを持つ画期的なマルチビューデータセットを紹介することで、ラベリングのコストを削減することに成功した。
– PCBボードの物体検出のためのラベリングは、部品の高密度化やオブジェクトの小ささなどの理由により、正確に識別・ラベル付けすることが難しい課題である。
– マルチビューデータを用いたオブジェクト検出モデルのトレーニングにより、マルチビュー画像に比べ改善された性能を実現する。
– さらに正確性を高めるため、我々は異なる視点からの結果を集約するマルチビュー推論手法を開発した。
– 評価実験により、0.5〜27.0mmのサイズの部品の検出において、mAPが15%改善されたことが示された。

要約(オリジナル)

Printed circuit boards (PCBs) are essential components of electronic devices, and ensuring their quality is crucial in their production. However, the vast variety of components and PCBs manufactured by different companies makes it challenging to adapt to production lines with speed demands. To address this challenge, we present a multi-view object detection framework that offers a fast and precise solution. We introduce a novel multi-view dataset with semi-automatic ground-truth data, which results in significant labeling resource savings. Labeling PCB boards for object detection is a challenging task due to the high density of components and the small size of the objects, which makes it difficult to identify and label them accurately. By training an object detector model with multi-view data, we achieve improved performance over single-view images. To further enhance the accuracy, we develop a multi-view inference method that aggregates results from different viewpoints. Our experiments demonstrate a 15% improvement in mAP for detecting components that range in size from 0.5 to 27.0 mm.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI