Digitální knihovna UPCE přechází na novou verzi. Omluvte prosím případné komplikace. / The UPCE Digital Library is migrating to a new version. We apologize for any inconvenience.

Publikace:
Automated Dataset Enhancement Using GAN for Assessment of Degree of Degradation around Scribe

Konferenční objektopen accesspeer-reviewedpostprint
dc.contributor.authorDoležel, Petr
dc.contributor.authorPakosta, Marek
dc.contributor.authorRozsívalová, Veronika
dc.contributor.authorŠtursa, Dominik
dc.date.accessioned2024-08-25T15:18:39Z
dc.date.available2024-08-25T15:18:39Z
dc.date.issued2023
dc.description.abstractCoil coating is a method of applying an organic coating material to a rolled metal strip substrate in a continuous automated process. It is used to provide a high quality, durable finish to a variety of surfaces. The degradation resistance of coil-coated materials is assessed according to European Standard EN 13523-8 by exposing a coil-coated test specimen to a salt fog at a defined temperature for a defined period of time. After this process, a sample is tested according to the International Organisation for Standardisation ISO 4628 standard to determine the degree of degradation. In this study, a GAN-based technique for automated training set enhancement is proposed to assess the degree of degradation around a scribe. The presented technique is capable of enhancing a manually generated dataset of images with synthetic samples to help refine the performance of the area degradation detector.eng
dc.description.abstract-translatedCoil coating je metoda nanášení organického povlakového materiálu na válcovaný kovový pásový substrát v kontinuálním automatizovaném procesu. Používá se k zajištění vysoce kvalitní a odolné úpravy různých povrchů. Odolnost materiálů se posuzuje podle evropské normy EN 13523-8 vystavením zkušebního vzorku s povlakem ve svitku solné mlze při definované teplotě po definovanou dobu. Po tomto procesu se vzorek testuje podle normy ISO 4628, aby se určil stupeň degradace. V této studii je navržena technika založená na GAN pro automatické vylepšení trénovací množiny, která slouží k posouzení stupně degradace v okolí vrypu. Představená technika je schopna vylepšit ručně vytvořenou datovou sadu snímků se syntetickými vzorky, aby pomohla zpřesnit výkonnost detektoru degradace plochy.cze
dc.event9th International Conference on Control, Decision and Information Technologies, CoDIT 2023 (03.07.2023 - 06.07.2023, Řím)eng
dc.formatp. 1454-1458eng
dc.identifier.doi10.1109/CoDIT58514.2023.10284338
dc.identifier.isbn979-8-3503-1141-9
dc.identifier.issn2576-3547
dc.identifier.obd39889435
dc.identifier.scopus2-s2.0-85177453047
dc.identifier.urihttps://hdl.handle.net/10195/83938
dc.language.isoeng
dc.peerreviewedyeseng
dc.project.IDSGS_2023_016/Výzkum a vývoj nových algoritmů, postupů a metod v oblasti detekce, lokalizace, identifikace a klasifikace objektů využitím strojového učení a prvků umělé inteligence pro oblast radarové techniky, dopravy a výrobních technologiíeng
dc.publicationstatuspostprinteng
dc.publisherIEEE (Institute of Electrical and Electronics Engineers)eng
dc.relation.ispartof2023 9th International Conference on Control, Decision and Information Technologies (CoDIT) : proceedingseng
dc.relation.publisherversionhttps://ieeexplore.ieee.org/document/10284338
dc.rightsopen access (green)eng
dc.subjectcoil coatingeng
dc.subjectdelaminationeng
dc.subjectdegradationeng
dc.subjectsemantic segmentationeng
dc.subjectdeep learningeng
dc.subjectgenerative adversarial networkeng
dc.subjectcoil coatingcze
dc.subjectdelaminacecze
dc.subjectdegradacecze
dc.subjectsémantická segmentacecze
dc.subjecthluboké učenícze
dc.subjectgenerativní adverzní síťcze
dc.titleAutomated Dataset Enhancement Using GAN for Assessment of Degree of Degradation around Scribeeng
dc.title.alternativeAutomatizované vylepšení datového souboru pomocí GAN pro posouzení stupně degradace nátěru v okolí vrypucze
dc.typeConferenceObjecteng
dspace.entity.typePublication

Soubory

Původní svazek

Nyní se zobrazuje 1 - 1 z 1
Načítá se...
Náhled
Název:
main (2).pdf
Velikost:
1.99 MB
Formát:
Adobe Portable Document Format