Localizing the conceptual difference of two scenes using deep learning for house keeping usages

要約

産業環境で 2 つのイメージの概念上の違いを見つけることは、HSE の目的にとって特に重要であり、関連するコントローラーに警告するための主要な違いを見つけるための信頼性が高く適合した方法はまだありません。
さまざまな環境にある豊富で多様なオブジェクトにより、この分野での教師あり学習方法の使用は大きな問題に直面しています。
2 つのシーンの照明条件が急激に変化し、わずかでも変化するため、単純に 2 つの画像を差し引いてこれらの違いを見つけることはできません。
このホワイト ペーパーの目的は、1 つのシーンの 2 つのフレームの概念的な違いを見つけて特定し、その違いを 2 つの異なる時間に見つけて、その違いをフィールドの追加、縮小、および変更に分類することです。
このホワイト ペーパーでは、ディープ ラーニング手法を提示し、転移学習と誤差関数の構造変更、およびデータの追加と合成のプロセスを使用して、このアプリケーションの包括的なソリューションを示します。
適切なデータセットが提供されてラベル付けされ、モデルの結果がこのデータセットで評価され、実際の産業用途での使用の可能性が説明されました。

要約(オリジナル)

Finding the conceptual difference between the two images in an industrial environment has been especially important for HSE purposes and there is still no reliable and conformable method to find the major differences to alert the related controllers. Due to the abundance and variety of objects in different environments, the use of supervised learning methods in this field is facing a major problem. Due to the sharp and even slight change in lighting conditions in the two scenes, it is not possible to naively subtract the two images in order to find these differences. The goal of this paper is to find and localize the conceptual differences of two frames of one scene but in two different times and classify the differences to addition, reduction and change in the field. In this paper, we demonstrate a comprehensive solution for this application by presenting the deep learning method and using transfer learning and structural modification of the error function, as well as a process for adding and synthesizing data. An appropriate data set was provided and labeled, and the model results were evaluated on this data set and the possibility of using it in real and industrial applications was explained.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google