論文の概要: Pushing the Envelope of Thin Crack Detection
- arxiv url: http://arxiv.org/abs/2101.03326v1
- Date: Sat, 9 Jan 2021 09:42:42 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-09 09:59:47.827420
- Title: Pushing the Envelope of Thin Crack Detection
- Title（参考訳）: 薄いき裂検出のエンベロープを押す
- Authors: Liang Xu, Taro Hatsutani, Xing Liu, Engkarat Techapanurak, Han Zou and
Takayuki Okatani
- Abstract要約: インフラストラクチャの自動検査において,コンクリート表面の画像から亀裂を検出することの問題点を考察する。
私たちの関心は、それが定義できる限り薄さの限界に近い亀裂を検出できるようにすることです。
そこで本研究では,人間よりもき裂をより正確に検出するためのcnnの訓練法を提案する。
- 参考スコア（独自算出の注目度）: 23.758190930820042
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this study, we consider the problem of detecting cracks from the image of
a concrete surface for automated inspection of infrastructure, such as bridges.
Its overall accuracy is determined by how accurately thin cracks with sub-pixel
widths can be detected. Our interest is in making it possible to detect cracks
close to the limit of thinness if it can be defined. Toward this end, we first
propose a method for training a CNN to make it detect cracks more accurately
than humans while training them on human-annotated labels. To achieve this
seemingly impossible goal, we intentionally lower the spatial resolution of
input images while maintaining that of their labels when training a CNN. This
makes it possible to annotate cracks that are too thin for humans to detect,
which we call super-human labels. We experimentally show that this makes it
possible to detect cracks from an image of one-third the resolution of images
used for annotation with about the same accuracy. We additionally propose three
methods for further improving the detection accuracy of thin cracks: i)
P-pooling to maintain small image structures during downsampling operations;
ii) Removal of short-segment cracks in a post-processing step utilizing a prior
of crack shapes learned using the VAE-GAN framework; iii) Modeling uncertainty
of the prediction to better handle hard labels beyond the limit of CNNs'
detection ability, which technically work as noisy labels. We experimentally
examine the effectiveness of these methods.
- Abstract（参考訳）: 本研究では,橋梁などのインフラストラクチャの自動検査において,コンクリート表面の画像から亀裂を検出する問題について考察する。
その全体的な精度は、サブピクセル幅の細い亀裂をどの程度正確に検出できるかによって決定される。
私たちの関心は、それが定義できる限り薄さの限界に近い亀裂を検出できるようにすることです。
そこで本研究では,まずcnnを人間よりも正確な亀裂検出を行うための訓練法を提案する。
この目的を達成するために、CNNのトレーニング中にラベルの解像度を維持しながら、意図的に入力画像の空間解像度を下げる。
これにより、人間が検出できないほど薄いクラックに注釈を付けることが可能になります。
これにより、アノテーションに使用される画像の3分の1の解像度の画像から、ほぼ同じ精度で亀裂を検出できることを実験的に示す。
さらに, 微細き裂の検出精度を向上させるための3つの手法を提案する。i) ダウンサンプリング操作中に小さな画像構造を維持するためのPプール,i) VAE-GANフレームワークを用いて学習した亀裂形状を利用した後処理工程におけるショートセグメントクラックの除去, 3) CNNの検出能力の限界を超えてハードラベルを処理できる予測の不確実性のモデル化。
これらの手法の有効性を実験的に検討する。
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) - Learning Camouflaged Object Detection from Noisy Pseudo Label [60.9005578956798]
本稿では,まず,弱い半教師付きカモフラージュオブジェクト検出(COD)法を提案する。
予算効率が高く高精度なカモフラージュされたオブジェクトセグメンテーションを目標とし、完全にラベル付けされた画像が極めて限られている。
本稿では,早期の学習段階において,モデルが正しい画素の学習を容易にするノイズ補正損失を提案する。
完全ラベル付きデータの20%しか使用しない場合,本手法は最先端の手法よりも優れた性能を示す。
論文 参考訳（メタデータ） (2024-07-18T04:53:51Z) - Segmentation tool for images of cracks [0.16492989697868887]
本稿では,画像上のひび割れを手動で分割しやすくする半自動き裂分割ツールを提案する。
また、ひび割れの形状を測定するためにも用いられる。
提案手法は完全自動手法より優れており,手動データアノテーションの適切な代替となる可能性を示している。
論文 参考訳（メタデータ） (2024-03-28T15:23:52Z) - Robotic surface exploration with vision and tactile sensing for cracks
detection and characterisation [7.627217550282436]
本稿では,光ファイバーを用いた視覚・触覚解析に基づくクラックの局所化と検出のための新しいアルゴリズムを提案する。
ファイバー光学に基づく指型センサを用いて、データ取得を行い、分析と実験のためのデータ収集を行う。
論文 参考訳（メタデータ） (2023-07-13T14:50:38Z) - Unsupervised crack detection on complex stone masonry surfaces [0.0]
本稿では,石造石垣のき裂検出手法について述べる。
提案手法では, RGB (Red Green Blue) 画像パッチの非教師付き異常検出問題として, き裂検出にアプローチする。
論文 参考訳（メタデータ） (2023-03-31T12:07:23Z) - The Treasure Beneath Multiple Annotations: An Uncertainty-aware Edge
Detector [70.43599299422813]
既存のメソッドは、単純な投票プロセスを使用して複数のアノテーションを融合し、エッジ固有の曖昧さを無視し、アノテータのラベル付けバイアスを無視する。
多様なアノテーションの主観性とあいまいさを調査するために不確実性を利用した新しい不確実性認識エッジ検出器(UAED)を提案する。
UAEDは複数のエッジ検出ベンチマークで一貫したパフォーマンスを実現している。
論文 参考訳（メタデータ） (2023-03-21T13:14:36Z) - Seamless Iterative Semi-Supervised Correction of Imperfect Labels in
Microscopy Images [57.42492501915773]
生体内試験は、医療機器の毒性に対する動物実験の代替手段である。
人間の疲労は、深層学習を魅力的なものにするために、エラー作成に重要な役割を果たします。
我々は、不完全ラベルのシームレス反復半監督補正(SISSI)を提案する。
本手法は,物体検出に適応的な早期学習補正技術を提供する。
論文 参考訳（メタデータ） (2022-08-05T18:52:20Z) - Disentangle Saliency Detection into Cascaded Detail Modeling and Body
Filling [68.73040261040539]
本稿では,サリエンシ検出タスクを2つのサブタスク,すなわち詳細モデリングとボディフィリングに分解することを提案する。
具体的には、詳細モデリングは、明示的に分解された詳細ラベルの監督によってオブジェクトエッジをキャプチャすることに焦点を当てる。
ボディフィリングは、ディテールマップに充填されるボディ部分を学び、より正確なサリエンシマップを生成する。
論文 参考訳（メタデータ） (2022-02-08T19:33:02Z) - Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
本稿では,分類に基づく比較的研究の少ない方法論について検討する。
我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。
航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
論文 参考訳（メタデータ） (2020-11-19T05:42:02Z) - Crack Detection as a Weakly-Supervised Problem: Towards Achieving Less
Annotation-Intensive Crack Detectors [0.0]
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。
論文 参考訳（メタデータ） (2020-11-04T10:14:33Z) - Solving Missing-Annotation Object Detection with Background
Recalibration Loss [49.42997894751021]
本稿では,新しい,かつ困難な検出シナリオに焦点を当てる。 真のオブジェクト/インスタンスの大部分は,データセットにラベル付けされていない。
従来, ソフトサンプリングを用いて, 正の例と重なり合うRoIsの勾配を再重み付けする手法が提案されてきた。
本稿では、予め定義されたIoU閾値と入力画像に基づいて損失信号を自動的に校正できる、バックグラウンド校正損失(BRL)と呼ばれる優れた解を提案する。
論文 参考訳（メタデータ） (2020-02-12T23:11:46Z)
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。