Refining CNN-based Heatmap Regression with Gradient-based Corner Points for Electrode Localization

要約

リチウムイオン電池の電極位置を検出する手法を提案します。
このプロセスは、コーナーポイント検出を通じてバッテリーの X 線画像内の関心領域 (ROI) を特定することから始まります。
次に、畳み込みニューラル ネットワークを使用して、この ROI 内の極の位置を回帰します。
最後に、コーナーポイント事前分布を使用して回帰位置が最適化および修正され、ネットワークトレーニング中の特徴マップのダウンサンプリングやパディングなどの操作によって引き起こされる位置特定精度の損失が大幅に軽減されます。
私たちの調査結果は、キーポイント抽出のために従来のピクセル勾配分析と CNN ベースのヒートマップ回帰を組み合わせることで、精度と効率の両方が向上し、結果的にパフォーマンスが大幅に向上することを示しています。

要約(オリジナル)

We propose a method for detecting the electrode positions in lithium-ion batteries. The process begins by identifying the region of interest (ROI) in the battery’s X-ray image through corner point detection. A convolutional neural network is then used to regress the pole positions within this ROI. Finally, the regressed positions are optimized and corrected using corner point priors, significantly mitigating the loss of localization accuracy caused by operations such as feature map down-sampling and padding during network training. Our findings show that combining traditional pixel gradient analysis with CNN-based heatmap regression for keypoint extraction enhances both accuracy and efficiency, resulting in significant performance improvements.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google