A.I.AI
YOLO-RMF: 再パラメータ化畳み込みとアキシアルアテンションを用いた熱延帯鋼向けリアルタイム表面欠陥検出モデル
YOLO-RMF: A Real-Time Surface Defect Detection Model for Hot-Rolled Strip Steel with Reparameterized Convolution and Axial Attention
MSSensors · MDPI · CC BY 4.0
AIが原文を翻訳・要約しています
熱延帯鋼の表面欠陥検出向けにリアルタイム1ステージ検出モデル「YOLO-RMF」が開発された。再パラメータ化2×2畳み込み(RPRC2)、2次元アキシアルアテンション(TDAA)、適応加重マルチスケール特徴融合ピラミッドネットワーク(MSF-FPN)、ハイブリッド適応プルーニングの4要素で構成される。NEU-DETおよびMVITデータセットによる評価では、RTX 4090にて212 FPSで76.1%のmAP50と40.6%のmAP50-95を記録した。プルーニングによりパラメータを36.3%、GFLOPsを49.0%削減し、Jetson AGX Orin上でFP16時に169 FPS、INT8量子化時に233 FPSを達成している。
KEY POINTS要点記事から抽出した重要情報
- 熱延帯鋼の表面欠陥検出向けモデル「YOLO-RMF」が開発され、プルーニングによりパラメータを36.3%、GFLOPsを49.0%削減しつつJetson AGX Orin上でINT8量子化時に233 FPSを達成した。
CONTEXT文脈編集部による背景整理
製造ラインのインライン検査において、組み込みデバイス(Jetson AGX Orin)で200 FPS超のリアルタイム推論を実証した点は、外観検査の自動化コスト低減とエッジAIソリューションの実用化に直結する成果として注目される。
原文を読むAnalyzed at 2026年10月15日 21:04