論文の概要: Automatic joint damage quantification using computer vision and deep learning

• arxiv url: http://arxiv.org/abs/2010.15303v1
• Date: Thu, 29 Oct 2020 01:41:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-01 23:03:34.422289
• Title: Automatic joint damage quantification using computer vision and deep learning
• Title（参考訳）: コンピュータビジョンとディープラーニングを用いた関節損傷の自動定量化
• Authors: Quang Tran and Jeffery R. Roesler
• Abstract要約: 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。
• 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: Joint raveled or spalled damage (henceforth called joint damage) can affect the safety and long-term performance of concrete pavements. It is important to assess and quantify the joint damage over time to assist in building action plans for maintenance, predicting maintenance costs, and maximize the concrete pavement service life. A framework for the accurate, autonomous, and rapid quantification of joint damage with a low-cost camera is proposed using a computer vision technique with a deep learning (DL) algorithm. The DL model is employed to train 263 images of sawcuts with joint damage. The trained DL model is used for pixel-wise color-masking joint damage in a series of query 2D images, which are used to reconstruct a 3D image using open-source structure from motion algorithm. Another damage quantification algorithm using a color threshold is applied to detect and compute the surface area of the damage in the 3D reconstructed image. The effectiveness of the framework was validated through inspecting joint damage at four transverse contraction joints in Illinois, USA, including three acceptable joints and one unacceptable joint by visual inspection. The results show the framework achieves 76% recall and 10% error.
• Abstract（参考訳）: ジョイント・ラベリングやスポーリングによる損傷(ジョイント・ダメージと呼ばれる損傷)は、コンクリート舗装の安全性や長期的な性能に影響を及ぼす可能性がある。 維持作業計画の策定、維持費の予測、コンクリート舗装工事の寿命の最大化等を支援するため、経時的共同被害の評価・定量化が重要である。 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。 DLモデルは、関節損傷を伴うワニの263枚の画像の訓練に使用される。 訓練されたDLモデルは、一連のクエリ2D画像における画素ワイドカラーマスキング関節損傷に対して使用され、モーションアルゴリズムからオープンソース構造を用いて3D画像の再構成に使用される。 カラーしきい値を用いた別の損傷定量化アルゴリズムを適用し、3D再構成画像の表面積を検出し計算する。 この枠組みの有効性は,3つの許容関節と1つの許容関節を含む米国イリノイ州の4つの横収縮関節の関節損傷を視覚検査により検査することにより検証した。 その結果、フレームワークは76%のリコールと10%のエラーを達成した。

関連論文リスト

• Uncertainty Estimation for 3D Object Detection via Evidential Learning [63.61283174146648]
  本稿では,3次元検出器における鳥の視線表示における明らかな学習損失を利用して,3次元物体検出の不確かさを定量化するためのフレームワークを提案する。 本研究では,これらの不確実性評価の有効性と重要性を,分布外シーンの特定,局所化の不十分な物体の発見,および(偽陰性)検出の欠如について示す。
  論文  参考訳（メタデータ） (2024-10-31T13:13:32Z)
• 3D vision-based structural masonry damage detection [6.442649108177674]
  正確な石英損傷検出のための3次元視覚に基づく手法を提案する。 まず、石造標本の画像を収集し、3D点雲を生成する。 第2に, 石英損傷を評価するために3次元点雲処理法を開発した。
  論文  参考訳（メタデータ） (2023-08-31T00:48:05Z)
• 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)
• PONet: Robust 3D Human Pose Estimation via Learning Orientations Only [116.1502793612437]
  本稿では,学習向きのみを用いて3次元ポーズを頑健に推定できる新しいPose Orientation Net(PONet)を提案する。 PONetは、局所的な画像証拠を利用して、これらの手足の3D方向を推定し、3Dポーズを復元する。 我々は,Human3.6M,MPII,MPI-INF-3DHP,3DPWを含む複数のデータセットについて評価を行った。
  論文  参考訳（メタデータ） (2021-12-21T12:48:48Z)
• 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)
• Kinematic-Structure-Preserved Representation for Unsupervised 3D Human Pose Estimation [58.72192168935338]
  大規模インスタディオデータセットの監視を用いて開発された人間のポーズ推定モデルの一般化可能性については疑問が残る。 本稿では,2対あるいは2対の弱い監督者によって抑制されない,新しいキネマティック構造保存型非教師付き3次元ポーズ推定フレームワークを提案する。 提案モデルでは,前方運動学,カメラ投影,空間マップ変換という3つの連続的な微分可能変換を用いる。
  論文  参考訳（メタデータ） (2020-06-24T23:56:33Z)
• 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)
• Per-pixel Classification Rebar Exposures in Bridge Eye-inspection [0.0]
  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。
  論文  参考訳（メタデータ） (2020-04-22T17:28:42Z)
• 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)
• Road Curb Detection and Localization with Monocular Forward-view Vehicle Camera [74.45649274085447]
  魚眼レンズを装着した校正単眼カメラを用いて3Dパラメータを推定するロバストな手法を提案する。 我々のアプローチでは、車両が90%以上の精度で、リアルタイムで距離を抑えることができる。
  論文  参考訳（メタデータ） (2020-02-28T00:24:18Z)

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。