Fugu-MT 論文翻訳(概要): Detection Of Concrete Cracks using Dual-channel Deep Convolutional Network

論文の概要: Detection Of Concrete Cracks using Dual-channel Deep Convolutional Network

arxiv url: http://arxiv.org/abs/2009.10612v1
Date: Tue, 22 Sep 2020 15:17:02 GMT
ステータス: 処理完了
システム内更新日: 2022-10-15 23:10:15.913354
Title: Detection Of Concrete Cracks using Dual-channel Deep Convolutional Network
Title（参考訳）: 二重チャネル型深層畳み込みネットワークによるコンクリートき裂の検出
Authors: Babloo Kumar and Sayantari Ghosh
Abstract要約: 本研究では, 深部畳み込みニューラルネットワーク(CNN)を用いたひび割れ検出手法を提案する。コンクリートクラックを用いた3200枚のラベル付き画像データベースが作成されており, コントラスト, 照明条件, 方向, ひび割れの重症度は極めて多様であった。我々は,両チャネル深部CNNを設計し,高い精度(92.25%)と現実的状況におけるコンクリートのひび割れ発見の堅牢性を示した。
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: Due to cyclic loading and fatigue stress cracks are generated, which affect the safety of any civil infrastructure. Nowadays machine vision is being used to assist us for appropriate maintenance, monitoring and inspection of concrete structures by partial replacement of human-conducted onsite inspections. The current study proposes a crack detection method based on deep convolutional neural network (CNN) for detection of concrete cracks without explicitly calculating the defect features. In the course of the study, a database of 3200 labelled images with concrete cracks has been created, where the contrast, lighting conditions, orientations and severity of the cracks were extremely variable. In this paper, starting from a deep CNN trained with these images of 256 x 256 pixel-resolution, we have gradually optimized the model by identifying the difficulties. Using an augmented dataset, which takes into account the variations and degradations compatible to drone videos, like, random zooming, rotation and intensity scaling and exhaustive ablation studies, we have designed a dual-channel deep CNN which shows high accuracy (~ 92.25%) as well as robustness in finding concrete cracks in realis-tic situations. The model has been tested on the basis of performance and analyzed with the help of feature maps, which establishes the importance of the dual-channel structure.
Abstract（参考訳）: 繰り返し荷重と疲労応力亀裂が発生し、公的なインフラの安全性に影響を及ぼす。現在, 機械視は, コンクリート構造物の適切な保守, 監視, 検査の補助として, 人道検査を一部置き換えることによって, 活用されている。本研究は, ひび割れ検出のための深部畳み込みニューラルネットワーク(CNN)に基づくひび割れ検出手法を提案する。調査の過程で,コンクリートのひび割れのある3200枚のラベル付き画像のデータベースが作成され,コントラスト,照明条件,方向,ひび割れの重大さが極めて変化した。本稿では,256 x 256ピクセル解像度の画像で訓練した深部CNNから,難易度を特定してモデルを徐々に最適化してきた。ランダムなズーム、回転、強度のスケーリング、徹底的なアブレーションなど、ドローンビデオと互換性のあるバリエーションと劣化を考慮に入れた拡張データセットを用いて、高精度(約92.25%)の2チャンネル深層cnnと、実環境におけるコンクリートのひび割れ発見の堅牢さをデザインした。このモデルは、パフォーマンスに基づいてテストされ、機能マップの助けを借りて分析され、デュアルチャネル構造の重要性が確立されている。

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)
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)
K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality Assessment [71.27193056354741]
クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。 K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
論文参考訳（メタデータ） (2023-07-10T01:26:48Z)
Spatial-Frequency Discriminability for Revealing Adversarial Perturbations [53.279716307171604]
敵の摂動に対するディープニューラルネットワークの脆弱性は、コンピュータビジョンコミュニティで広く認識されている。現在のアルゴリズムは、通常、自然および敵対的なデータの識別的分解を通じて、敵のパターンを検出する。空間周波数Krawtchouk分解に基づく識別検出器を提案する。
論文参考訳（メタデータ） (2023-05-18T10:18:59Z)
Application of Segment Anything Model for Civil Infrastructure Defect Assessment [0.15077212427453812]
本研究では,コンクリート構造物のひび割れ検出のための2つの深層学習モデルSAMとU-Netの性能評価を行う。その結果, それぞれのモデルには, 異なる種類のひび割れを検知する独自の強度と限界があることが示唆された。
論文参考訳（メタデータ） (2023-04-25T06:17:44Z)
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)
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)
Tracking perovskite crystallization via deep learning-based feature detection on 2D X-ray scattering data [137.47124933818066]
本稿では,より高速なR-CNN深層学習アーキテクチャに基づくX線回折画像の自動解析パイプラインを提案する。有機-無機ペロブスカイト構造の結晶化をリアルタイムに追跡し, 2つの応用で検証した。
論文参考訳（メタデータ） (2022-02-22T15:39:00Z)
Vision-Guided Active Tactile Perception for Crack Detection and Reconstruction [10.289118975238429]
視覚誘導能動触覚を用いたコンクリート構造物の亀裂の検出・再構築手法を提案する。提案手法は, 目視によるき裂検出と比較して, き裂検出と復元の有効性と堅牢性を大幅に向上させる。
論文参考訳（メタデータ） (2021-05-13T14:25:08Z)
Robust Unsupervised Video Anomaly Detection by Multi-Path Frame Prediction [61.17654438176999]
本稿では,フレーム予測と適切な設計による新規で頑健な非教師付きビデオ異常検出手法を提案する。提案手法は,CUHK Avenueデータセット上で88.3%のフレームレベルAUROCスコアを得る。
論文参考訳（メタデータ） (2020-11-05T11:34:12Z)
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)

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。