Outliers resistant image classification by anomaly detection

Cornell University , 2024. № 2411.10150.

Сергеев А. В., Минченков В. О., Солдатов А. В., Какурин В. В., Мазиков Я. А.

Различные технологии, включая модели компьютерного зрения, применяются для автоматизированного контроля процессов ручной сборки на производстве. Эти модели позволяют обнаруживать и классифицировать события, такие как наличие компонентов в области сборки или их соединение. Основной проблемой алгоритмов детекции и классификации является их чувствительность к изменениям условий окружающей среды и непредсказуемое поведение при обработке объектов, отсутствующих в обучающей выборке. Поскольку включение всех возможных объектов в обучающую выборку является непрактичным, требуется альтернативное решение. В данном исследовании предлагается модель, одновременно выполняющая задачи классификации и детекции аномалий. Модель использует метод metric learning для построения векторных представлений изображений в многомерном пространстве с последующей классификацией с помощью функции перекрестной энтропии. Для проведения экспериментов был подготовлен набор данных, включающий более 327 000 изображений. Эксперименты проводились с различными архитектурами моделей компьютерного зрения, и результаты каждого подхода были сравнены.

Ключевые слова: компьютерное зрение, computer vision

ПУБЛИКАЦИЯ ПОДГОТОВЛЕНА ПО РЕЗУЛЬТАТАМ ПРОЕКТА: Исследование и разработка методов передачи и обработки данных для организации энергоэффективной и безопасной передачи данных в сетях Интернета вещей (2024)