ProCoS: 特殊機器検査画像における劣化耐性のある操作検出手法
ProCoS: Degradation-Robust Manipulation Localization for Special Equipment Inspection Images
特殊機器検査(SEI)画像における操作検出は、信頼性の高い産業監督に不可欠だが、既存モデルはSEIシナリオで一般的に遭遇する複合的な劣化に弱い。この問題に対処するため、プロトタイプ対照協調ネットワーク(ProCoS)が提案された。このモデルは、劣化耐性協調学習アーキテクチャにより、クリーンな観測と劣化のある観測との間の首尾一貫した識別を強化し、プロトタイプ対照学習メカニズムを導入して複合劣化下での安定した表現を改善する。さらに、SEIシナリオ用の操作検出データセットであるSEI-Asymを構築し、直交実験計画に基づいた複合劣化評価プロトコルを確立した。実験結果によると、ProCoSはSEI-AsymでF1スコア0.6531、AUC 0.9670、IoU 0.5485を達成し、複合劣化下でのΔF1 ̄と(ΔF1)maxをそれぞれ0.0873と0.1966に低減した。このモデルは、SEI画像に基づく信頼性の高い認識、異常識別、産業監督のための効果的な技術的経路を提供する。
- 特殊機器検査画像における操作検出手法ProCoSが提案され、SEI-AsymデータセットでF1スコア0.6531、AUC 0.9670、IoU 0.5485を達成した
- 複合劣化下での性能低下をΔF1 ̄ 0.0873、(ΔF1)max 0.1966に抑制する劣化耐性を実証した
本稿のProCoSは、産業用特殊機器検査(SEI)画像における操作検出精度を複合的な画像劣化条件下で大幅に改善した点が注目に値する。F1スコア0.6531、AUC 0.9670という結果は実用域に近く、特に複合劣化下での性能低下(ΔF1)を0.0873に抑えたロバスト性は産業現場での実装価値を高めている。画像ベースの異常検知・品質管理はAIスタートアップや産業ソフトウェア企業の競争領域であり、本手法が産業向けAIソリューションとして製品化されれば、検査機器メーカーや工場自動化ベンダーとの協業・導入が進む可能性がある。