지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록· 키워드
오류제보하기
Data augmentation is an efficient way to reduce overfitting on models and to improve a performance supplementing extra data for training. It is more important in deep learning based industrial machine vision. Because deep learning requires huge scale of learning data to learn a model, but acquisition of data can be limited in most of industrial applications. A very generic method for augmenting image data is to perform geometric transformations, such as cropping, rotating, translating and adjusting brightness of the image. The effectiveness of data augmentation in image classification has been reported, but it is rare in defect inspections. We explore and compare various basic augmenting operations for the metal surface defects. The experiments were executed for various types of defects and different CNN networks and analysed for performance improvements by the data augmentations.
목차
Abstract
1. 서론
2. 딥러닝 기반 결함 검출 기법
3. 결함 데이터 확장
4. 표면 결함 실험
5. 결론
References
참고문헌 (10)
참고문헌 신청
Y. Park, and I. S. Kweon Ambiguous Surface Defect Image Classification of AMOLED Displays in Smartphones,” IEEE Trans. on Industrial Informatics, Vol. 12, No. 2, pp. 597-607, 2016
J-K. Park, N. Kwon, J-H. and D. Kang “Machine Learning-Based Imaging System for Surface Defect Inspection, International Journal of Precision Engineering and Manufacturing-Green Technology, Vol. 3, No. 3, pp. 303-310, 2016
H. Choi and K. Seo, “CNN Based Detection of Surface Defects for Electronic Parts,” Journal of Korean Institute of Intelligent Systems, Vol. 27, No. 3, pp. 2017.
H. Choi and K. Seo, “Comparison of CNN Structures for Detection of Surface Defects,” The Transactions of the Korean Institute of Electrical Engineers Vol. 66, No. 7, pp. 1100 1104, 2017.
Mandar Dixit, Roland Kwitt, Marc Niethammer, Nuno Vasconcelos, “AGA, Attribute-Guided Augmentation,” arXiv:1612.02559
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
객체 수준 데이터 증강을 활용한 딥러닝 기반의 강판 표면 결함 검출
대한산업공학회지
2022 .08
-
표면 결함 검출을 위한 CNN 구조의 비교
전기학회논문지
2017 .07
-
Data Augmentation and Deep Learning for the Fault Diagnosis of Rotating Machines
대한기계학회 춘추학술대회
2021 .11
-
영상 내 물체 검출 및 분류를 위한 소규모 데이터 확장 기법
로봇학회 논문지
2020 .06
-
표면 결함 분류를 위한 적정 규모의 딥러닝 모델
전기학회논문지
2020 .12
-
Image Data Augmentation 기반 Vehicle Part 검출 자동화 AI 네트워크 성능 향상
한국생산제조학회 학술발표대회 논문집
2021 .12
-
필터링이 적용된 이미지 증대 기법을 통한 태양전지 결함 탐지 시스템
전기학회논문지
2023 .03
-
용접부 결함 분류를 위한 딥러닝 성능개선 연구
한국비파괴검사학회 춘계학술대회 초록집
2022 .05
-
A Study on specific region detection and recognition based on Transfer-Learning and Data Augmentation
INTERNATIONAL CONFERENCE ON FUTURE INFORMATION & COMMUNICATION ENGINEERING
2019 .06
-
Data Augmentation on Limited Biometric Data Set for M2M Authentication Model Testing
한국통신학회 학술대회논문집
2021 .06
-
CNN을 이용한 Al 6061 압출재의 표면 결함 분류 연구
소성·가공
2022 .08
-
자동차 액션로더 제조 불량품 검사를 위한 AI 딥러닝 기반 검사시스템 구현
전기학회논문지
2023 .12
-
전이학습을 이용한 비전기반 결함 탐지 알고리즘 개발
한국CDE학회 논문집
2020 .09
-
확산 모델 기반 데이터 증강 최신 연구 동향
대한전자공학회 학술대회
2024 .06
-
딥 뉴럴 네트워크 기반의 음성 향상을 위한 데이터 증강
멀티미디어학회논문지
2019 .07
-
Transfer Learning for Identifying Flowers with Data Augmentation
한국통신학회 학술대회논문집
2019 .11
-
A Novel Rar e Image Data Augmentation Method for Fish Diseases Classification
멀티미디어학회논문지
2025 .02
-
딥러닝과 데이터 생성 기술을 이용한 자동 결함 탐상 알고리즘
정보 및 제어 논문집
2018 .10
-
인공지능 기반의 미생물 균총과 질병과의 연관성 예측을 위한 Data Augmentation 방법론
전자공학회논문지
2021 .03
-
데이터증강 모델 조합을 활용한 적성 전차에 대한 객체탐지 성능 향상 연구
한국CDE학회 논문집
2022 .06
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2018-560-002060622