应用深度神经网络自动化验证航空航天领域手动支架安装的视觉检测
计算机视觉与模式识别
2024-09-04 v1
摘要
在这项工作中，我们探索了一种基于深度学习的自动视觉检测和验证算法，该算法基于孪生神经网络架构。我们还考虑了输入图像对如何影响孪生神经网络的性能。我们探索了孪生神经网络与卷积神经网络。除了研究这些模型架构外，还探索了包括迁移学习和集成方法在内的其他方法，旨在提高模型性能。我们开发了一种特定于孪生神经网络的新型投票方案，其中单个模型对多个参考图像进行投票。这与多个模型对同一数据样本进行投票的典型集成方法不同。所获得的结果表明，在训练数据稀缺的情况下，使用孪生神经网络进行自动视觉检测和验证任务具有巨大潜力。所应用的其他方法，包括新型相似度投票，也被证明能显著提高模型的性能。我们应用公开可用的omniglot数据集来验证我们的方法。据我们所知，这是首次在航空航天领域通过深度神经网络对已安装支架的自动验证进行此类详细研究。
引用
@article{arxiv.2409.00006,
title = {Applying Deep Neural Networks to automate visual verification of manual bracket installations in aerospace},
author = {John Oyekan and Liam Quantrill and Christopher Turner and Ashutosh Tiwari},
journal= {arXiv preprint arXiv:2409.00006},
year = {2024}
}