不均衡な画像データからの半教師ありレール欠陥検出

ビデオカメラによるレール欠陥検出は、最近、学術界と産業界の両方で注目を集めています。レール画像データには2つの特性があります。1つは非欠陥クラスに対して大きく不均衡であり、もう1つは半教師あり学習技術に利用できる大量のラベル未付与データサンプルが存在することです。本論文では、ラベル未付与データから選択した正の欠陥候補が両クラス間のバランスを改善し、「スクワット」と呼ばれる特定の種類の欠陥検出の性能向上に役立つかどうかを調査します。また、データサンプリング技術も比較し、半教師あり技術が画像データからのレールトラックスクワット検出などのアプリケーションの性能向上のための合理的な代替手段であると結論付けています。