論文の概要: CorrDetector: A Framework for Structural Corrosion Detection from Drone Images using Ensemble Deep Learning

• arxiv url: http://arxiv.org/abs/2102.04686v1
• Date: Tue, 9 Feb 2021 07:27:16 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-10 15:18:05.148746
• Title: CorrDetector: A Framework for Structural Corrosion Detection from Drone Images using Ensemble Deep Learning
• Title（参考訳）: corrdetector:アンサンブルディープラーニングを用いたドローン画像からの構造腐食検出のためのフレームワーク
• Authors: Abdur Rahim Mohammad Forkan, Yong-Bin Kang, Prem Prakash Jayaraman, Kewen Liao, Rohit Kaul, Graham Morgan, Rajiv Ranjan, Samir Sinha
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 2.108696645677565
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we propose a new technique that applies automated image analysis in the area of structural corrosion monitoring and demonstrate improved efficacy compared to existing approaches. Structural corrosion monitoring is the initial step of the risk-based maintenance philosophy and depends on an engineer's assessment regarding the risk of building failure balanced against the fiscal cost of maintenance. This introduces the opportunity for human error which is further complicated when restricted to assessment using drone captured images for those areas not reachable by humans due to many background noises. The importance of this problem has promoted an active research community aiming to support the engineer through the use of artificial intelligence (AI) image analysis for corrosion detection. In this paper, we advance this area of research with the development of a framework, CorrDetector. CorrDetector uses a novel ensemble deep learning approach underpinned by convolutional neural networks (CNNs) for structural identification and corrosion feature extraction. We provide an empirical evaluation using real-world images of a complicated structure (e.g. telecommunication tower) captured by drones, a typical scenario for engineers. Our study demonstrates that the ensemble approach of \model significantly outperforms the state-of-the-art in terms of classification accuracy.
• Abstract（参考訳）: 本稿では, 構造腐食モニタリングの領域に自動画像解析を適用し, 従来の手法と比較して有効性が向上する新しい手法を提案する。 構造腐食モニタリングは、リスクベースの保守哲学の最初のステップであり、メンテナンスの財政コストとバランスのとれた建物の故障のリスクに関するエンジニアの評価に依存します。 これは、バックグラウンドノイズが多いため、人間が到達できない領域のドローン撮影画像による評価に制限された場合に、さらに複雑なヒューマンエラーの機会をもたらす。 この課題の重要性は,人工知能(AI)画像解析による腐食検出による技術者支援を目的とした,活発な研究コミュニティを推進している。 本稿では,この研究分野を,フレームワークcorrdetectorの開発とともに前進させる。 CorrDetectorは、畳み込みニューラルネットワーク(CNN)が支える新しいアンサンブルディープラーニングアプローチを使用して、構造識別と腐食特性抽出を行います。 複雑な構造の実画像(例)を用いた経験的評価を行う。 遠隔通信塔) エンジニアの典型的なシナリオである ドローンによって捕獲された 本研究は, \model のアンサンブルアプローチが分類精度において最先端を著しく上回っていることを示す。

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)
• PAIF: Perception-Aware Infrared-Visible Image Fusion for Attack-Tolerant Semantic Segmentation [50.556961575275345]
  対向シーンにおけるセグメンテーションの堅牢性を促進するための認識認識型融合フレームワークを提案する。 我々は,先進の競争相手に比べて15.3% mIOUの利得で,ロバスト性を大幅に向上させることを示す。
  論文  参考訳（メタデータ） (2023-08-08T01:55:44Z)
• Deep Industrial Image Anomaly Detection: A Survey [85.44223757234671]
  近年の深層学習の急速な発展は,産業用画像異常検出(IAD)のマイルストーンとなった 本稿では,ディープラーニングによる画像異常検出手法の総合的なレビューを行う。 画像異常検出のオープニング課題をいくつか取り上げる。
  論文  参考訳（メタデータ） (2023-01-27T03:18:09Z)
• 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)
• 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)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。 マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。 本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)
• A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
  伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。 最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。 我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
  論文  参考訳（メタデータ） (2021-05-18T10:15:17Z)
• Pixel-level Corrosion Detection on Metal Constructions by Fusion of Deep Learning Semantic and Contour Segmentation [13.133263651395865]
  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。
  論文  参考訳（メタデータ） (2020-08-12T09:54:17Z)
• A Hierarchical Deep Convolutional Neural Network and Gated Recurrent Unit Framework for Structural Damage Detection [0.0]
  本稿では,空間的・時間的関係をモデル化する新しい階層型CNNと Gated Recurrent Unit (GRU) フレームワークを提案する。 提案したHCGは,既存の構造損傷検出法よりも優れていた。
  論文  参考訳（メタデータ） (2020-05-29T07:55:04Z)
• 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。