論文の概要: Per-pixel Classification Rebar Exposures in Bridge Eye-inspection
- arxiv url: http://arxiv.org/abs/2004.12805v1
- Date: Wed, 22 Apr 2020 17:28:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-10 18:05:58.368269
- Title: Per-pixel Classification Rebar Exposures in Bridge Eye-inspection
- Title(参考訳): ブリッジアイインスペクションにおけるピクセル単位のレバー露光
- Authors: Takato Yasuno, Nakajima Michihiro, and Noda Kazuhiro
- Abstract要約: 低画素画像のセマンティックセグメンテーションを可能にするトランスファー学習の3つの損傷検出手法を提案する。
本稿では,実世界の橋梁106面の208枚の残響画像を用いた結果について述べる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Efficient inspection and accurate diagnosis are required for civil
infrastructures with 50 years since completion. Especially in municipalities,
the shortage of technical staff and budget constraints on repair expenses have
become a critical problem. If we can detect damaged photos automatically
per-pixels from the record of the inspection record in addition to the 5-step
judgment and countermeasure classification of eye-inspection vision, then it is
possible that countermeasure information can be provided more flexibly, whether
we need to repair and how large the expose of damage interest. A piece of
damage photo is often sparse as long as it is not zoomed around damage, exactly
the range where the detection target is photographed, is at most only 1%.
Generally speaking, rebar exposure is frequently occurred, and there are many
opportunities to judge repair measure. In this paper, we propose three damage
detection methods of transfer learning which enables semantic segmentation in
an image with low pixels using damaged photos of human eye-inspection. Also, we
tried to create a deep convolutional network from scratch with the
preprocessing that random crops with rotations are generated. In fact, we show
the results applied this method using the 208 rebar exposed images on the 106
real-world bridges. Finally, future tasks of damage detection modeling are
mentioned.
- Abstract(参考訳): 完成から50年を経過した民間インフラでは,効率的な検査と正確な診断が必要である。
特に市町村では、技術スタッフの不足と修理費の予算制約が問題となっている。
5段階の目視判定と対応分類に加えて、検査記録の記録から自動的に1ピクセル当たりの損傷写真を検出することができれば、補修が必要か、どの程度のダメージ利息を暴露するかに関わらず、より柔軟に対策情報を提供できる可能性がある。
検出対象が撮影される範囲が1%以上で、損傷の周囲をズームしない限り、ダメージ写真はスパースされることが多い。
一般的には、反バーの露出が頻繁に発生し、補修措置を判断する機会も多い。
本稿では,人間の目視の損傷写真を用いて,低画素画像のセマンティックセグメンテーションを可能にするトランスファー学習の3つの損傷検出手法を提案する。
また、回転するランダムな作物が生成される前処理により、スクラッチから深層畳み込みネットワークを構築しようとした。
実世界106本の橋上208枚の残響画像を用いて,本手法を適用した。
最後に,損傷検出モデリングの今後の課題について述べる。
関連論文リスト
- Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。
これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。
高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
論文 参考訳(メタデータ) (2023-08-24T12:32:46Z) - MMNet: Multi-Collaboration and Multi-Supervision Network for Sequential
Deepfake Detection [81.59191603867586]
シークエンシャルディープフェイク検出は、回復のための正しいシーケンスで偽の顔領域を特定することを目的としている。
偽画像の復元には、逆変換を実装するための操作モデルの知識が必要である。
顔画像の空間スケールや逐次順列化を扱うマルチコラボレーション・マルチスーパービジョンネットワーク(MMNet)を提案する。
論文 参考訳(メタデータ) (2023-07-06T02:32:08Z) - A hierarchical semantic segmentation framework for computer vision-based
bridge damage detection [3.7642333932730634]
遠隔カメラと無人航空機(UAV)を用いたコンピュータビジョンによる損傷検出は、効率的で低コストなブリッジの健康モニタリングを可能にする。
本稿では,コンポーネントカテゴリと損傷タイプ間の階層的意味関係を強制するセグメンテーションフレームワークを提案する。
このようにして、損傷検出モデルは、潜在的な損傷領域からのみ学習特徴に焦点をあてることができ、他の無関係領域の影響を避けることができる。
論文 参考訳(メタデータ) (2022-07-18T18:42:54Z) - Adversarially-Aware Robust Object Detector [85.10894272034135]
本稿では,ロバスト検出器 (RobustDet) を提案する。
本モデルは, クリーン画像の検出能力を維持しながら, 傾きを効果的に解き, 検出堅牢性を著しく向上させる。
論文 参考訳(メタデータ) (2022-07-13T13:59:59Z) - Reference-based Defect Detection Network [57.89399576743665]
最初の問題はテクスチャシフトであり、これはトレーニングされた欠陥検出モデルが目に見えないテクスチャの影響を受けやすいことを意味する。
第2の問題は部分的な視覚的混乱であり、部分的な欠陥ボックスが完全なボックスと視覚的に類似していることを示している。
本稿では,これら2つの問題に対処する参照型欠陥検出ネットワーク(RDDN)を提案する。
論文 参考訳(メタデータ) (2021-08-10T05:44:23Z) - An Efficient and Scalable Deep Learning Approach for Road Damage
Detection [0.0]
本稿では,画像に基づく苦難データをリアルタイムに分析するためのディープラーニングに基づくサーベイ手法を提案する。
縦ひび割れ,横ひび割れ,アリゲーターひび割れなど,ひび割れの多種多様な種類からなるデータベースを用いる。
提案されたモデルでは、F1スコアは52%から56%まで、平均推測時間は毎秒178-10枚だった。
論文 参考訳(メタデータ) (2020-11-18T23:05:41Z) - Automatic joint damage quantification using computer vision and deep
learning [0.0]
コンクリート舗装の安全性と長期性能に影響を及ぼす可能性がある。
維持作業計画の立案、維持費の予測、コンクリート舗装の寿命の最大化を支援するためには、時間とともに共同損傷を評価し定量化することが重要である。
ディープラーニング(DL)アルゴリズムを用いたコンピュータビジョン技術を用いて,低コストカメラによる関節損傷の高精度,自律的,迅速定量化のためのフレームワークを提案する。
論文 参考訳(メタデータ) (2020-10-29T01:41:20Z) - Towards Image-based Automatic Meter Reading in Unconstrained Scenarios:
A Robust and Efficient Approach [60.63996472100845]
本稿では,制約のないシナリオに着目したAMR(Automatic Meter Reading)のエンドツーエンドアプローチを提案する。
我々の主な貢献は、コーナー検出とカウンタ分類と呼ばれる新しいステージをAMRパイプラインに挿入することである。
信頼度が低い読みを拒絶した場合,AMRシステムは印象的な認識率(すなわち99%)を達成することを示す。
論文 参考訳(メタデータ) (2020-09-21T21:21:23Z) - Synthetic Image Augmentation for Damage Region Segmentation using
Conditional GAN with Structure Edge [0.0]
画像から画像への変換マッピングを用いて、損傷画像を生成する合成拡張手法を提案する。
我々は,FCN-8s,SegNet,DeepLabv3+Xception-v2などの画素ごとのセグメンテーションアルゴリズムを適用した。
合成拡張法で加算されたデータセットの再トレーニングは、平均IoU、興味の損傷領域IoU、精度、リコール、BFスコアに基づいて、テスト画像の予測時に精度が高くなることを示した。
論文 参考訳(メタデータ) (2020-05-07T06:04:02Z) - Occluded Prohibited Items Detection: an X-ray Security Inspection
Benchmark and De-occlusion Attention Module [50.75589128518707]
我々はOPIXrayというセキュリティ検査のための最初の高品質なオブジェクト検出データセットをコントリビュートする。
OPIXrayは、空港のプロの検査官が手動で注記した「カッター」に焦点をあてた。
本稿では,プラグイン・アンド・プレイモジュールであるデオクルージョン・アテンション・モジュール(DOAM)を提案する。
論文 参考訳(メタデータ) (2020-04-18T16:10:55Z) - Comparison of object detection methods for crop damage assessment using
deep learning [0.0]
本研究の目的は、コンピュータビジョンと深層学習技術を用いて、空中画像から損傷した作物の面積を検知する概念実証である。
RGBカメラを搭載した無人航空システム(UAS)が画像取得に使用された。
3つの人気の物体検出器(Faster R-CNN, YOLOv2, RetinaNet)は、フィールド内の損傷領域を検出する能力について評価された。
YOLOv2とRetinaNetは、複数の後期季節成長段階にわたって作物の損傷を検出することができた。
論文 参考訳(メタデータ) (2019-12-31T06:54:48Z)
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。