論文の概要: Crack Detection as a Weakly-Supervised Problem: Towards Achieving Less Annotation-Intensive Crack Detectors

• arxiv url: http://arxiv.org/abs/2011.02208v1
• Date: Wed, 4 Nov 2020 10:14:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-29 22:24:18.879981
• Title: Crack Detection as a Weakly-Supervised Problem: Towards Achieving Less Annotation-Intensive Crack Detectors
• Title（参考訳）: 弱改良問題としてのき裂検出-アノテーション集約型き裂検出器の実現に向けて
• Authors: Yuki Inoue and Hiroto Nagayoshi
• Abstract要約: 自動き裂検出は、労働集約的な建物や道路検査を大幅に削減する可能性を持つ重要なタスクである。 この分野での最近の研究は、検出精度を大幅に改善した。 メソッドは、しばしばコストのかかるアノテーションプロセスに大きく依存します。 これにより、データアノテーションは、リアルタイムに亀裂検出システムをデプロイする際の大きなボトルネックとなる。
• 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: Automatic crack detection is a critical task that has the potential to drastically reduce labor-intensive building and road inspections currently being done manually. Recent studies in this field have significantly improved the detection accuracy. However, the methods often heavily rely on costly annotation processes. In addition, to handle a wide variety of target domains, new batches of annotations are usually required for each new environment. This makes the data annotation cost a significant bottleneck when deploying crack detection systems in real life. To resolve this issue, we formulate the crack detection problem as a weakly-supervised problem and propose a two-branched framework. By combining predictions of a supervised model trained on low quality annotations with predictions based on pixel brightness, our framework is less affected by the annotation quality. Experimental results show that the proposed framework retains high detection accuracy even when provided with low quality annotations. Implementation of the proposed framework is publicly available at https://github.com/hitachi-rd-cv/weakly-sup-crackdet.
• Abstract（参考訳）: 自動き裂検出は、現在手作業で行われている労働集約的な建物や道路検査を大幅に削減する可能性を持つ重要なタスクである。 この分野での最近の研究は検出精度を大幅に改善した。 しかしながら、メソッドはしばしばコストのかかるアノテーションプロセスに依存します。 さらに、さまざまなターゲットドメインを扱うには、通常、新しい環境ごとに新しいアノテーションのバッチが必要になる。 これにより、リアルタイムに亀裂検出システムをデプロイする場合、データアノテーションは重大なボトルネックとなる。 この問題を解決するために,き裂検出問題を弱教師付き問題として定式化し,二分岐フレームワークを提案する。 低品質のアノテーションにトレーニングされた教師付きモデルの予測とピクセルの明るさに基づく予測を組み合わせることで、アノテーションの品質に影響がなくなる。 実験結果から,低品質アノテーションを付与しても高い検出精度を保っていることがわかった。 提案されたフレームワークの実装はhttps://github.com/hitachi-rd-cv/weakly-sup-crackdetで公開されている。

関連論文リスト

• SINDER: Repairing the Singular Defects of DINOv2 [61.98878352956125]
  大規模なデータセットでトレーニングされたビジョントランスフォーマーモデルは、抽出したパッチトークンにアーティファクトを表示することが多い。 本稿では,小さなデータセットのみを用いて構造欠陥を補正するスムーズなスムーズな正規化を提案する。
  論文  参考訳（メタデータ） (2024-07-23T20:34:23Z)
• GlanceVAD: Exploring Glance Supervision for Label-efficient Video Anomaly Detection [36.73022075416943]
  本稿では,異常検出精度とアノテーションコストのバランスを改善するために,"glance annotations"と呼ばれる新しいラベリングパラダイムを提案する。 本手法の有効性を評価するため,UCF-Crime と XD-Violence の2つの標準ビデオ異常検出データセットに対して,視線アノテーションを手動でアノテートする。 また,Ssianカーネルを基本単位として時間的異常分布を構成するGlanceVAD法を提案する。
  論文  参考訳（メタデータ） (2024-03-10T09:57:10Z)
• Enhancing Infrared Small Target Detection Robustness with Bi-Level Adversarial Framework [61.34862133870934]
  本稿では,異なる汚職の存在下での検出の堅牢性を促進するために,二段階の対向的枠組みを提案する。 我々の手法は広範囲の汚職で21.96%のIOUを著しく改善し、特に一般ベンチマークで4.97%のIOUを推進している。
  論文  参考訳（メタデータ） (2023-09-03T06:35:07Z)
• 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)
• Weakly-Supervised Crack Detection [0.0]
  画素レベルのき裂のセグメンテーションは、建物や道路検査に高い影響を与えるため、広く研究されている。 近年の研究は精度を大幅に改善したが、アノテーションコストのボトルネックを見落としている。 本稿では,アノテーションの品質低下に対処するため,追加データを必要としない2分岐推論フレームワークとアノテーション改善モジュールを提案する。
  論文  参考訳（メタデータ） (2022-06-14T10:45:01Z)
• Annotation Error Detection: Analyzing the Past and Present for a More Coherent Future [63.99570204416711]
  我々は、潜在的なアノテーションの誤りを検知するための18の手法を再実装し、9つの英語データセット上で評価する。 アノテーションエラー検出タスクの新しい形式化を含む一様評価設定を定義する。 私たちはデータセットと実装を,使いやすく,オープンソースのソフトウェアパッケージとしてリリースしています。
  論文  参考訳（メタデータ） (2022-06-05T22:31:45Z)
• BDC: Bounding-Box Deep Calibration for High Performance Face Detection [11.593495085674345]
  現代のCNNベースの顔検出器は、大きなアノテートデータセットのため、大きな進歩を遂げている。 検出信頼性が高いが、ローカライゼーション精度の低い結果が一致しないと、検出性能がさらに向上する。 本稿では,一貫性のないアノテーションをモデル予測バウンディングボックスで合理的に置き換える新しいバウンディングボックスディープ(BDC)法を提案する。
  論文  参考訳（メタデータ） (2021-10-08T04:41:41Z)
• WSSOD: A New Pipeline for Weakly- and Semi-Supervised Object Detection [75.80075054706079]
  弱機能および半教師付きオブジェクト検出フレームワーク(WSSOD)を提案する。 エージェント検出器は、まず関節データセット上でトレーニングされ、弱注釈画像上で擬似境界ボックスを予測するために使用される。 提案フレームワークはPASCAL-VOC と MSCOCO のベンチマークで顕著な性能を示し,完全教師付き環境で得られたものと同等の性能を達成している。
  論文  参考訳（メタデータ） (2021-05-21T11:58:50Z)
• Mixed supervision for surface-defect detection: from weakly to fully supervised learning [5.69361786082969]
  本研究では,教師あり学習手法の重い要件を緩和し,高度に詳細なアノテーションの必要性を低減した。 ディープラーニングアーキテクチャを提案することにより、混合監視による弱い(画像レベル)ラベルから表面欠陥検出タスクの完全な(ピクセルレベル)アノテーションまで、さまざまな詳細のアノテーションの使用を検討する。 提案手法は,すべての関連手法を完全監督設定で上回るとともに,画像レベルラベルのみを利用可能な場合の弱監督方式を上回る。
  論文  参考訳（メタデータ） (2021-04-13T10:00:10Z)
• Detection as Regression: Certified Object Detection by Median Smoothing [50.89591634725045]
  この研究は、ランダム化平滑化による認定分類の最近の進歩によって動機付けられている。 我々は、$ell$-bounded攻撃に対するオブジェクト検出のための、最初のモデル非依存、トレーニング不要、認定された防御条件を得る。
  論文  参考訳（メタデータ） (2020-07-07T18:40:19Z)

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。