Fine-grained Classification of Solder Joints with α-skew Jensen-Shannon Divergence

要約

はんだ接合部検査 (SJI) は、プリント回路基板 (PCB) の製造における重要なプロセスです。
はんだ接合部のサイズは非常に小さく、さまざまな形状になる可能性があるため、SJI 中のはんだエラーの検出は非常に困難です。
この研究では、最初に、はんだの特徴の多様性が低く、SJI を区別しにくいオブジェクト クラスに焦点を当てたきめの細かい画像分類タスクとして実行できることを示します。
きめの細かい分類精度を向上させるために、エントロピーを最大化することによって信頼できるモデル予測にペナルティを課すことが、文献で有用であることがわかりました。
この情報に沿って、{\alpha}-skew Jensen-Shannon 発散 ({\alpha}-JS) を使用して、モデル予測の信頼性にペナルティを課すことを提案します。
{\alpha}-JS 正則化を、既存のエントロピ正則化ベースの方法と、アテンション メカニズム、セグメンテーション技術、変換モデル、および細粒度画像分類タスクの特定の損失関数に基づく方法の両方と比較します。
提案されたアプローチが、細粒度のはんだ接合部分類タスクで、さまざまなモデルに対して最高の F1 スコアと競争力のある精度を達成することを示します。
最後に、活性化マップを視覚化し、エントロピー正則化により、より正確なクラス識別領域がローカライズされ、ノイズに対する耐性も高いことを示します。
コードは、承認後にここで利用できるようになります。

要約(オリジナル)

Solder joint inspection (SJI) is a critical process in the production of printed circuit boards (PCB). Detection of solder errors during SJI is quite challenging as the solder joints have very small sizes and can take various shapes. In this study, we first show that solders have low feature diversity, and that the SJI can be carried out as a fine-grained image classification task which focuses on hard-to-distinguish object classes. To improve the fine-grained classification accuracy, penalizing confident model predictions by maximizing entropy was found useful in the literature. Inline with this information, we propose using the {\alpha}-skew Jensen-Shannon divergence ({\alpha}-JS) for penalizing the confidence in model predictions. We compare the {\alpha}-JS regularization with both existing entropyregularization based methods and the methods based on attention mechanism, segmentation techniques, transformer models, and specific loss functions for fine-grained image classification tasks. We show that the proposed approach achieves the highest F1-score and competitive accuracy for different models in the finegrained solder joint classification task. Finally, we visualize the activation maps and show that with entropy-regularization, more precise class-discriminative regions are localized, which are also more resilient to noise. Code will be made available here upon acceptance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google