論文の概要: Pixel-level Corrosion Detection on Metal Constructions by Fusion of Deep Learning Semantic and Contour Segmentation

• arxiv url: http://arxiv.org/abs/2008.05204v1
• Date: Wed, 12 Aug 2020 09:54:17 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-31 05:02:11.093708
• Title: Pixel-level Corrosion Detection on Metal Constructions by Fusion of Deep Learning Semantic and Contour Segmentation
• Title（参考訳）: 深層学習意味と輪郭セグメンテーションの融合による金属構造物の画素レベル腐食検出
• Authors: Iason Katsamenis, Eftychios Protopapadakis, Anastasios Doulamis, Nikolaos Doulamis, Athanasios Voulodimos
• Abstract要約: 金属構造物の腐食検出は、迅速で安全で効果的な検査のための土木工学における大きな課題である。 既存の画像解析手法では、構造解析とプレファブリケーションの両方に不十分な欠陥領域に境界ボックスを配置する傾向がある。 本研究では,3つのセマンティックセグメンテーション指向ディープラーニングモデル(FCN,U-Net,Mask R-CNN)を腐食検出に適用し,精度と時間面で優れた性能を示す。
• 参考スコア（独自算出の注目度）: 13.133263651395865
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Corrosion detection on metal constructions is a major challenge in civil engineering for quick, safe and effective inspection. Existing image analysis approaches tend to place bounding boxes around the defected region which is not adequate both for structural analysis and pre-fabrication, an innovative construction concept which reduces maintenance cost, time and improves safety. In this paper, we apply three semantic segmentation-oriented deep learning models (FCN, U-Net and Mask R-CNN) for corrosion detection, which perform better in terms of accuracy and time and require a smaller number of annotated samples compared to other deep models, e.g. CNN. However, the final images derived are still not sufficiently accurate for structural analysis and pre-fabrication. Thus, we adopt a novel data projection scheme that fuses the results of color segmentation, yielding accurate but over-segmented contours of a region, with a processed area of the deep masks, resulting in high-confidence corroded pixels.
• Abstract（参考訳）: 金属構造物の腐食検出は、迅速かつ安全かつ効果的な検査のための土木工学における大きな課題である。 既存の画像解析手法では、構造分析やプレファブリケーションには不十分な欠陥領域にバウンディングボックスを配置する傾向がある。 本稿では,3つのセマンティックセグメンテーション指向ディープラーニングモデル (FCN, U-Net, Mask R-CNN) を腐食検出に適用し, 精度, 時間面では良好であり, CNN などの他の深層モデルと比較してアノテートサンプルが少ない。 しかし、最終的な画像は構造分析やプリファブリケーションに十分正確ではない。 そこで我々は,カラーセグメンテーションの結果を融合させる新しいデータ投影方式を採用し,その領域の高精度だが過剰な輪郭と,ディープマスクの処理領域とを融合させ,高信頼のコーディネート画素を生成する。

関連論文リスト

• Concrete Surface Crack Detection with Convolutional-based Deep Learning Models [0.0]
  き裂検出は、建物の構造的健康モニタリングと検査に重要である。 畳み込みニューラルネットワーク(CNN)は、ひび割れ検出のための有望なフレームワークとして登場した。 我々は、事前訓練されたディープラーニングアーキテクチャに微調整技術を採用する。
  論文  参考訳（メタデータ） (2024-01-13T17:31:12Z)
• Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for Advanced Object Detection [55.2480439325792]
  本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。 提案手法は平均精度(MAP)を約45.7%向上させる。 この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
  論文  参考訳（メタデータ） (2023-11-21T19:49:13Z)
• CNN-Based Structural Damage Detection using Time-Series Sensor Data [0.0]
  本研究では,新しいコナールニューラルネットワーク(CNN)アルゴリズムを用いて,構造損傷検出の革新的なアプローチを提案する。 時系列データは、提案したニューラルネットワークを用いて2つのカテゴリに分けられる。 その結果,新しいCNNアルゴリズムは構造劣化の発見に極めて正確であることが示唆された。
  論文  参考訳（メタデータ） (2023-11-07T11:57:33Z)
• Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning [52.06176253457522]
  本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。 CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-08-18T13:13:09Z)
• High-Resolution Vision Transformers for Pixel-Level Identification of Structural Components and Damage [1.8923948104852863]
  視覚変換器とラプラシアピラミッドスケーリングネットワークに基づくセマンティックセグメンテーションネットワークを開発した。 提案手法は,橋梁検査報告画像のデータセットに関する総合的な実験を通じて評価されている。
  論文  参考訳（メタデータ） (2023-08-06T03:34:25Z)
• RustSEG -- Automated segmentation of corrosion using deep learning [0.0]
  RustSEGは、トレーニングのためにピクセルごとのラベル付きデータセットを必要とせずに、自動腐食検出のための画像を正確に分割することができる。 理想的には、画像中の腐食の正確なマスクを生成することができ、画素ごとのトレーニングデータ無しで腐食の自動セグメンテーションが可能であることを示す。
  論文  参考訳（メタデータ） (2022-05-11T11:48:02Z)
• TinyDefectNet: Highly Compact Deep Neural Network Architecture for High-Throughput Manufacturing Visual Quality Inspection [72.88856890443851]
  TinyDefectNetは、高スループット製造の視覚品質検査に適した、非常にコンパクトな深層畳み込みネットワークアーキテクチャである。 TinyDefectNetはAMD EPYC 7R32上にデプロイされ、ネイティブフロー環境を使って7.6倍のスループット、AMD ZenDNNアクセラレーターライブラリを使って9倍のスループットを達成した。
  論文  参考訳（メタデータ） (2021-11-29T04:19:28Z)
• CorrDetector: A Framework for Structural Corrosion Detection from Drone Images using Ensemble Deep Learning [2.108696645677565]
  構造腐食モニタリングの領域において, 自動画像解析を応用した新しい手法を提案する。 本研究は,モデルのアンサンブルアプローチが,分類精度において最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-02-09T07:27:16Z)
• An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
  本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。 半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。 本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-06T18:55:07Z)
• RescueNet: Joint Building Segmentation and Damage Assessment from Satellite Imagery [83.49145695899388]
  RescueNetは、建物を同時に分割し、個々の建物に対する損傷レベルを評価し、エンドツーエンドでトレーニングできる統一モデルである。 RescueNetは大規模で多様なxBDデータセットでテストされており、従来の手法よりもはるかに優れたセグメンテーションと損傷分類性能を実現している。
  論文  参考訳（メタデータ） (2020-04-15T19:52:09Z)
• Refined Plane Segmentation for Cuboid-Shaped Objects by Leveraging Edge Detection [63.942632088208505]
  本稿では,セグメント化された平面マスクを画像に検出されたエッジと整列するための後処理アルゴリズムを提案する。 これにより、立方体形状の物体に制限を加えながら、最先端のアプローチの精度を高めることができます。
  論文  参考訳（メタデータ） (2020-03-28T18:51:43Z)

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。