HyperAIHyperAI
منذ 2 أشهر

مجموعة بيانات MVTec 3D-AD للكشف عن الشذوذ ثلاثي الأبعاد والتوضيح غير المشرف

Paul Bergmann; Xin Jin; David Sattlegger; Carsten Steger
مجموعة بيانات MVTec 3D-AD للكشف عن الشذوذ ثلاثي الأبعاد والتوضيح غير المشرف
الملخص

نقدم أول مجموعة بيانات شاملة ثلاثية الأبعاد لمهمة الكشف عن الأخطاء والتحديد غير المشرف. هذه المجموعة مستوحاة من سيناريوهات الفحص البصري في العالم الحقيقي، حيث يجب على النموذج أن يكتشف أنواعًا مختلفة من العيوب في المنتجات المصنعة، حتى لو تم تدريبه فقط على بيانات خالية من الأخطاء. هناك عيوب تظهر كأخطاء في هيكلية الجسم الهندسية للكائن. هذه العيوب تسبب انحرافات كبيرة في تمثيل البيانات الثلاثي الأبعاد. استخدمنا جهاز استشعار صناعي ثلاثي الأبعاد بدقة عالية للحصول على مسحات عمق لـ 10 فئات مختلفة من الأجسام. بالنسبة لجميع فئات الأجسام، نقدم مجموعة تدريب ومجموعة التحقق، كل منها يتكون حصريًا من مسحات عينات خالية من الأخطاء. تحتوي المجموعات الاختبارية المرتبطة على عينات تعرض أنواعًا مختلفة من العيوب مثل الخدوش، الكدمات، الثقوب، التلوث أو التشوه (scratches, dents, holes, contaminations, or deformations). يتم توفير شروح دقيقة للحقائق الأرضية لكل عينة اختبارية معيبة. يشير القياس الأولي لأداء طرق الكشف عن الأخطاء الثلاثية الأبعاد في مجموعتنا إلى وجود مجال كبير للتحسين.

مجموعة بيانات MVTec 3D-AD للكشف عن الشذوذ ثلاثي الأبعاد والتوضيح غير المشرف | أحدث الأوراق البحثية | HyperAI