論文の概要: Automating Visual Blockage Classification of Culverts with Deep Learning
- arxiv url: http://arxiv.org/abs/2105.03232v1
- Date: Wed, 21 Apr 2021 08:40:09 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-11 12:04:52.527923
- Title: Automating Visual Blockage Classification of Culverts with Deep Learning
- Title（参考訳）: ディープラーニングによるカルバートの視覚ブロック分類の自動化
- Authors: Umair Iqbal, Johan Barthelemy, Wanqing Li and Pascal Perez
- Abstract要約: 輸送された土石材によるカルバートの閉塞は, 都市部で発生した洪水の原因となると報告されている。
本稿では,ブロック関連情報の抽出にIntelligent Video Analytic (IVA)アルゴリズムを用いることを提案する。
- 参考スコア（独自算出の注目度）: 11.532200478443773
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Blockage of culverts by transported debris materials is reported as main
contributor in originating urban flash floods. Conventional modelling
approaches had no success in addressing the problem largely because of
unavailability of peak floods hydraulic data and highly non-linear behaviour of
debris at culvert. This article explores a new dimension to investigate the
issue by proposing the use of Intelligent Video Analytic (IVA) algorithms for
extracting blockage related information. Potential of using existing
Convolutional Neural Network (CNN) algorithms (i.e., DarkNet53, DenseNet121,
InceptionResNetV2, InceptionV3, MobileNet, ResNet50, VGG16, EfficientNetB3,
NASNet) is investigated over a custom collected blockage dataset (i.e., Images
of Culvert Openings and Blockage (ICOB)) to predict the blockage in a given
image. Models were evaluated based on their performance on test dataset (i.e.,
accuracy, loss, precision, recall, F1-score, Jaccard-Index), Floating Point
Operations Per Second (FLOPs) and response times to process a single test
instance. From the results, NASNet was reported most efficient in classifying
the blockage with the accuracy of 85\%; however, EfficientNetB3 was recommended
for the hardware implementation because of its improved response time with
accuracy comparable to NASNet (i.e., 83\%). False Negative (FN) instances,
False Positive (FP) instances and CNN layers activation suggested that
background noise and oversimplified labelling criteria were two contributing
factors in degraded performance of existing CNN algorithms.
- Abstract（参考訳）: 輸送された土石材によるカルバートの閉塞は, 都市部で発生した洪水の原因となると報告されている。
従来のモデリング手法では, ピーク洪水水理データの有効性の欠如や, 旋回時の破片の非線形挙動が原因で, この問題に対処できなかった。
本稿では,ブロック関連情報の抽出にIntelligent Video Analytic (IVA)アルゴリズムを用いることで,この問題を解明するための新たな次元について検討する。
既存の畳み込みニューラルネットワーク(cnn)アルゴリズム(darknet53, densenet121, inceptionresnetv2, inceptionv3, mobilenet, resnet50, vgg16, efficientnetb3, nasnet)を使用する可能性について、与えられた画像のブロック化を予測するために、独自のブロック化データセット(例えば、カルバート開口およびブロック化(icob)の画像)上で検討する。
モデルは、テストデータセット(精度、損失、精度、リコール、f1-score、jaccard-index)、浮動小数点演算(flops)、応答時間に基づいて評価され、単一のテストインスタンスを処理した。
結果から、NASNetはブロックを85\%の精度で分類する最も効率的であると報告されたが、NASNetに匹敵する応答時間の改善(83\%)のために、ハードウェア実装に効率的なNetB3が推奨された。
false negative (fn)インスタンス、false positive (fp)インスタンス、cnnレイヤのアクティベーションは、バックグラウンドノイズと過単純化されたラベル付け基準が既存のcnnアルゴリズムの性能低下に寄与する2つの要因であることを示唆している。
関連論文リスト
- CNN-based Prediction of Network Robustness With Missing Edges [0.9239657838690227]
部分的なネットワーク情報が欠落している場合、CNNによる接続性および制御可能性予測の性能について検討する。
しきい値として、7.29%以上の情報が失われれば、CNNベースの予測の性能は著しく劣化する。
論文 参考訳（メタデータ） (2022-08-25T03:36:20Z) - Lost Vibration Test Data Recovery Using Convolutional Neural Network: A
Case Study [0.0]
本稿では,アラモサキャニオン橋のCNNアルゴリズムを実構造として提案する。
3つの異なるCNNモデルは、1つと2つの故障したセンサーを予測するものとされた。
畳み込み層を追加することによりモデルの精度が向上した。
論文 参考訳（メタデータ） (2022-04-11T23:24:03Z) - Feature Analysis for ML-based IIoT Intrusion Detection [0.0]
ネットワーク侵入検知システム(NIDS)の実装に強力な機械学習モデルが採用されている。
検出精度と計算効率を最大化するデータ特徴の適切なセットを選択することが重要である。
本稿では,ネットワーク攻撃の重要性と予測力の観点から,最適な特徴セットを広範囲に分析する。
論文 参考訳（メタデータ） (2021-08-29T02:19:37Z) - Learning from Images: Proactive Caching with Parallel Convolutional
Neural Networks [94.85780721466816]
本稿では,プロアクティブキャッシングのための新しいフレームワークを提案する。
モデルベースの最適化とデータ駆動技術を組み合わせて、最適化問題をグレースケールのイメージに変換する。
数値計算の結果,提案手法は71.6%の計算時間を0.8%のコストで削減できることがわかった。
論文 参考訳（メタデータ） (2021-08-15T21:32:47Z) - BreakingBED -- Breaking Binary and Efficient Deep Neural Networks by
Adversarial Attacks [65.2021953284622]
CNNのホワイトボックス攻撃やブラックボックス攻撃に対する堅牢性について検討する。
結果は、蒸留されたCNN、エージェントベースの最新のprunedモデル、およびバイナライズニューラルネットワークのために示されています。
論文 参考訳（メタデータ） (2021-03-14T20:43:19Z) - Online Limited Memory Neural-Linear Bandits with Likelihood Matching [53.18698496031658]
本研究では,探索学習と表現学習の両方が重要な役割を果たす課題を解決するために,ニューラルネットワークの帯域について検討する。
破滅的な忘れ込みに対して耐性があり、完全にオンラインである可能性の高いマッチングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-02-07T14:19:07Z) - Recalibration of Neural Networks for Point Cloud Analysis [3.7814216736076434]
3Dポイントクラウドのためのディープニューラルネットワーク上での再校正モジュールを導入する。
提案モジュールを3次元ポイントクラウド解析のための3つの最先端ネットワークに組み込むことで,提案モジュールのメリットと汎用性を実証する。
第2の実験では,アルツハイマー病の診断における再校正ブロックの利点について検討した。
論文 参考訳（メタデータ） (2020-11-25T17:14:34Z) - Bayesian Optimization with Machine Learning Algorithms Towards Anomaly
Detection [66.05992706105224]
本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。
ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。
実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
論文 参考訳（メタデータ） (2020-08-05T19:29:35Z) - FADNet: A Fast and Accurate Network for Disparity Estimation [18.05392578461659]
本研究では,FADNetという分散度推定のための効率的かつ高精度なディープネットワークを提案する。
高速な計算を保存するために、2Dベースの効率的な相関層と積み重ねブロックを利用する。
精度を向上させるために、マルチスケールの重みスケジューリングトレーニング技術を活用するために、マルチスケールの予測を含んでいる。
論文 参考訳（メタデータ） (2020-03-24T10:27:11Z) - Widening and Squeezing: Towards Accurate and Efficient QNNs [125.172220129257]
量子化ニューラルネットワーク(QNN)は、非常に安価な計算とストレージオーバーヘッドのため、業界にとって非常に魅力的なものだが、その性能は、完全な精度パラメータを持つネットワークよりも悪い。
既存の手法の多くは、より効果的なトレーニング技術を利用して、特にバイナリニューラルネットワークの性能を高めることを目的としている。
本稿では,従来の完全精度ネットワークで高次元量子化機能に特徴を投影することで,この問題に対処する。
論文 参考訳（メタデータ） (2020-02-03T04:11:13Z) - Approximation and Non-parametric Estimation of ResNet-type Convolutional
Neural Networks [52.972605601174955]
本稿では,ResNet型CNNが重要な関数クラスにおいて最小誤差率を達成可能であることを示す。
Barron と H'older のクラスに対する前述のタイプの CNN の近似と推定誤差率を導出する。
論文 参考訳（メタデータ） (2019-03-24T19:42:39Z)
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。