論文の概要: Ensemble of Deep Convolutional Neural Networks for Automatic Pavement
Crack Detection and Measurement
- arxiv url: http://arxiv.org/abs/2002.03241v1
- Date: Sat, 8 Feb 2020 22:15:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-02 22:46:46.367092
- Title: Ensemble of Deep Convolutional Neural Networks for Automatic Pavement
Crack Detection and Measurement
- Title（参考訳）: 自動舗装き裂検出・計測のための深部畳み込みニューラルネットワークの組み立て
- Authors: Zhun Fan, Chong Li, Ying Chen, Paola Di Mascio, Xiaopeng Chen, Guijie
Zhu and Giuseppe Loprencipe
- Abstract要約: 小さな亀裂の構造を特定するために、畳み込みニューラルネットワークのアンサンブルが使用された。
き裂測定には, 亀裂の種類によって, ひび割れの長さと幅を測定できる。
- 参考スコア（独自算出の注目度）: 9.34360241512198
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automated pavement crack detection and measurement are important road issues.
Agencies have to guarantee the improvement of road safety. Conventional crack
detection and measurement algorithms can be extremely time-consuming and low
efficiency. Therefore, recently, innovative algorithms have received increased
attention from researchers. In this paper, we propose an ensemble of
convolutional neural networks (without a pooling layer) based on probability
fusion for automated pavement crack detection and measurement. Specifically, an
ensemble of convolutional neural networks was employed to identify the
structure of small cracks with raw images. Secondly, outputs of the individual
convolutional neural network model for the ensemble were averaged to produce
the final crack probability value of each pixel, which can obtain a predicted
probability map. Finally, the predicted morphological features of the cracks
were measured by using the skeleton extraction algorithm. To validate the
proposed method, some experiments were performed on two public crack databases
(CFD and AigleRN) and the results of the different state-of-the-art methods
were compared. The experimental results show that the proposed method
outperforms the other methods. For crack measurement, the crack length and
width can be measure based on different crack types (complex, common, thin, and
intersecting cracks.). The results show that the proposed algorithm can be
effectively applied for crack measurement.
- Abstract（参考訳）: 自動舗装き裂検出と測定は重要な道路問題である。
機関は道路安全の改善を保証しなければならない。
従来の亀裂検出および測定アルゴリズムは非常に時間がかかり、効率が低い。
そのため、近年、革新的なアルゴリズムが研究者から注目を集めている。
本稿では,自動舗装き裂検出・測定のための確率融合に基づく畳み込みニューラルネットワーク(プール層を含まない)のアンサンブルを提案する。
具体的には、小さな亀裂の構造を生画像で識別するために畳み込みニューラルネットワークのアンサンブルが用いられた。
次に、アンサンブルに対する個々の畳み込みニューラルネットワークモデルの出力を平均化し、各画素の最終的なひび割れ確率値を生成し、予測された確率マップを得る。
最後に, 推定されたひび割れの形態的特徴をスケルトン抽出アルゴリズムを用いて測定した。
提案手法を検証するために,2つの公開き裂データベース (cfd, aiglern) 上でいくつかの実験を行い,その結果を比較した。
実験の結果,提案手法は他の手法よりも優れていた。
き裂測定では、亀裂の長さと幅を異なるき裂の種類(複雑、一般的、薄い、交差するき裂)に基づいて測定することができる。
その結果,提案アルゴリズムはひび割れ測定に有効であることがわかった。
関連論文リスト
- Deep Learning-Based Fatigue Cracks Detection in Bridge Girders using Feature Pyramid Networks [8.59780173800845]
本研究では,橋梁の鋼箱桁のひび割れ情報を含む高分解能画像からの自動き裂分割手法を提案する。
亀裂のマルチスケールの特徴を考慮し, 亀裂検出のための特徴ピラミッドネットワーク(FPN)の畳み込みニューラルネットワークアーキテクチャを提案する。
論文 参考訳（メタデータ） (2024-10-28T16:16:15Z) - Robotic surface exploration with vision and tactile sensing for cracks
detection and characterisation [7.627217550282436]
本稿では,光ファイバーを用いた視覚・触覚解析に基づくクラックの局所化と検出のための新しいアルゴリズムを提案する。
ファイバー光学に基づく指型センサを用いて、データ取得を行い、分析と実験のためのデータ収集を行う。
論文 参考訳（メタデータ） (2023-07-13T14:50:38Z) - Automated crack propagation measurement on asphalt concrete specimens
using an optical flow-based deep neural network [0.0]
本稿では,アスファルトコンクリート(AC)試料のひび割れ伝播を測定するディープニューラルネットワーク,すなわちCrackPropNetを提案する。
CrackPropNetは、参照画像とデフォルメ画像の様々な場所で特徴を一致させて、変位場不連続の位置を学習する。
ひび割れ現象の特徴付け、交流き裂ポテンシャルの評価、試験プロトコルの検証、理論モデルの検証に応用できる。
論文 参考訳（メタデータ） (2023-03-10T14:45:37Z) - Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。
前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。
提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
論文 参考訳（メタデータ） (2022-05-13T21:09:41Z) - Anomaly Detection on Attributed Networks via Contrastive Self-Supervised
Learning [50.24174211654775]
本論文では,アトリビュートネットワーク上の異常検出のためのコントラスト型自己監視学習フレームワークを提案する。
このフレームワークは、新しいタイプのコントラストインスタンスペアをサンプリングすることで、ネットワークデータからのローカル情報を完全に活用します。
高次元特性と局所構造から情報埋め込みを学習するグラフニューラルネットワークに基づくコントラスト学習モデルを提案する。
論文 参考訳（メタデータ） (2021-02-27T03:17:20Z) - Increasing the Confidence of Deep Neural Networks by Coverage Analysis [71.57324258813674]
本稿では、異なる安全でない入力に対してモデルを強化するために、カバレッジパラダイムに基づく軽量な監視アーキテクチャを提案する。
実験結果から,提案手法は強力な対向例とアウト・オブ・ディストリビューション・インプットの両方を検出するのに有効であることが示唆された。
論文 参考訳（メタデータ） (2021-01-28T16:38:26Z) - A Compact Deep Learning Model for Face Spoofing Detection [4.250231861415827]
プレゼンテーションアタック検出(PAD)は研究コミュニティから大きな注目を集めている。
我々は、統一されたニューラルネットワークアーキテクチャにおいて、幅広い機能と深い機能の両方を融合することで、この問題に対処する。
この手順は、ROSE-Youtu、SiW、NUAA Imposterなどのさまざまなスプーフィングデータセットで行われます。
論文 参考訳（メタデータ） (2021-01-12T21:20:09Z) - End-to-end Deep Learning Methods for Automated Damage Detection in
Extreme Events at Various Scales [0.4297070083645048]
Mask R-CNNは、地震などの極端な発生時に損傷を受ける可能性のある構造物やその構成要素の亀裂を自動的に検出するために提案され、試験されている。
我々は、トレーニングと検証のために2,021のラベル付き画像を用いた新しいデータセットをキュレートし、フィールドのひび割れ検出のためのエンドツーエンドのディープニューラルネットワークを見つけることを目的とした。
論文 参考訳（メタデータ） (2020-11-05T21:21:19Z) - Bayesian Optimization with Machine Learning Algorithms Towards Anomaly
Detection [66.05992706105224]
本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。
ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。
実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
論文 参考訳（メタデータ） (2020-08-05T19:29:35Z) - ESPN: Extremely Sparse Pruned Networks [50.436905934791035]
簡単な反復マスク探索法により,非常に深いネットワークの最先端の圧縮を実現することができることを示す。
本アルゴリズムは,シングルショット・ネットワーク・プルーニング法とロッテ・ティケット方式のハイブリッド・アプローチを示す。
論文 参考訳（メタデータ） (2020-06-28T23:09:27Z) - Scalable Backdoor Detection in Neural Networks [61.39635364047679]
ディープラーニングモデルは、トロイの木馬攻撃に対して脆弱で、攻撃者はトレーニング中にバックドアをインストールして、結果のモデルが小さなトリガーパッチで汚染されたサンプルを誤識別させる。
本稿では,ラベル数と計算複雑性が一致しない新たなトリガリバースエンジニアリング手法を提案する。
実験では,提案手法が純モデルからトロイの木馬モデルを分離する際の完全なスコアを達成できることが観察された。
論文 参考訳（メタデータ） (2020-06-10T04:12:53Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。