論文の概要: Fast and Accurate Road Crack Detection Based on Adaptive Cost-Sensitive Loss Function

• arxiv url: http://arxiv.org/abs/2106.15510v1
• Date: Tue, 29 Jun 2021 15:39:37 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-30 18:48:04.183222
• Title: Fast and Accurate Road Crack Detection Based on Adaptive Cost-Sensitive Loss Function
• Title（参考訳）: 適応的コスト感応損失関数に基づく高速高精度道路き裂検出
• Authors: Kai Li, Bo Wang, Yingjie Tian, and Zhiquan Qi
• Abstract要約: 高品質な画素レベルの道路割れ検出を容易にするために,ジャカード距離と連動して画素ベースの適応重み付きクロスエントロピー損失を提案する。 本研究は, 破損関数が検出結果に与える影響を深く実証し, ひび割れ検出領域の高度化に光を当てる。
• 参考スコア（独自算出の注目度）: 22.03093671850582
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Numerous detection problems in computer vision, including road crack detection, suffer from exceedingly foreground-background imbalance. Fortunately, modification of loss function appears to solve this puzzle once and for all. In this paper, we propose a pixel-based adaptive weighted cross-entropy loss in conjunction with Jaccard distance to facilitate high-quality pixel-level road crack detection. Our work profoundly demonstrates the influence of loss functions on detection outcomes, and sheds light on the sophisticated consecutive improvements in the realm of crack detection. Specifically, to verify the effectiveness of the proposed loss, we conduct extensive experiments on four public databases, i.e., CrackForest, AigleRN, Crack360, and BJN260. Compared with the vanilla weighted cross-entropy, the proposed loss significantly speeds up the training process while retaining the test accuracy.
• Abstract（参考訳）: 道路ひび割れ検出を含むコンピュータビジョンにおける多数の検出問題は、前景と後景の不均衡に苦しむ。 幸いなことに、損失関数の修正はこのパズルを何度となく解くように見える。 本稿では,Jaccard距離と連動して画素ベースの適応重み付きクロスエントロピー損失を提案し,高品質な画素レベルの道路亀裂検出を実現する。 本研究は, 検出結果に対する損失関数の影響を深く示し, 亀裂検出領域における高精度な連続的改善に光を当てる。 具体的には,提案手法の有効性を検証するために,クラックフォレスト,aiglern,crack360,bjn260の4つの公開データベースについて広範な実験を行った。 バニラ重み付きクロスエントロピーと比較して、提案された損失は試験精度を維持しながらトレーニングプロセスを著しく高速化する。

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)
• On Pixel-level Performance Assessment in Anomaly Detection [87.7131059062292]
  異常検出法は様々な応用において顕著な成功を収めている。 しかし、特にピクセルレベルでのパフォーマンスを評価することは複雑な課題である。 本稿では,視覚的エビデンスと統計的分析により,この課題の複雑さを解明する。
  論文  参考訳（メタデータ） (2023-10-25T08:02:27Z)
• MMNet: Multi-Collaboration and Multi-Supervision Network for Sequential Deepfake Detection [81.59191603867586]
  シークエンシャルディープフェイク検出は、回復のための正しいシーケンスで偽の顔領域を特定することを目的としている。 偽画像の復元には、逆変換を実装するための操作モデルの知識が必要である。 顔画像の空間スケールや逐次順列化を扱うマルチコラボレーション・マルチスーパービジョンネットワーク(MMNet)を提案する。
  論文  参考訳（メタデータ） (2023-07-06T02:32:08Z)
• High-Resolution Boundary Detection for Medical Image Segmentation with Piece-Wise Two-Sample T-Test Augmented Loss [19.132548785433073]
  境界情報を反映して境界検出を強化する新しい損失関数を開発した。 t-test成分を含まないベンチマーク損失と比較して,PTA損失の境界検出能力が向上したことを示す。
  論文  参考訳（メタデータ） (2022-11-04T12:47:13Z)
• Perspective Aware Road Obstacle Detection [104.57322421897769]
  道路障害物検出技術は,車間距離が大きくなるにつれて障害物の見かけの規模が減少するという事実を無視することを示す。 画像位置毎に仮想物体の見かけの大きさを符号化したスケールマップを演算することでこれを活用できる。 次に、この視点マップを利用して、遠近法に対応する大きさの道路合成物体に注入することで、トレーニングデータを生成する。
  論文  参考訳（メタデータ） (2022-10-04T17:48:42Z)
• CoreDeep: Improving Crack Detection Algorithms Using Width Stochasticity [0.0]
  背景から亀裂を分離する明確な境界はない。 開発されたアルゴリズムは、データに関連する固有の課題を扱うべきです。 我々は,平均IoU,偽陽性,陰性で,主観的品質でアルゴリズムの性能を客観的に測定した。
  論文  参考訳（メタデータ） (2022-09-10T12:21:52Z)
• ReDFeat: Recoupling Detection and Description for Multimodal Feature Learning [51.07496081296863]
  我々は、相互重み付け戦略による多モーダル特徴学習の検出と記述の独立した制約を再定義する。 本研究では,大きな受容場を有し,学習可能な非最大抑制層を備える検出器を提案する。 我々は,特徴マッチングと画像登録タスクにおける特徴量を評価するために,クロス可視,赤外線,近赤外,合成開口レーダ画像ペアを含むベンチマークを構築した。
  論文  参考訳（メタデータ） (2022-05-16T04:24:22Z)
• Loss Function Discovery for Object Detection via Convergence-Simulation Driven Search [101.73248560009124]
  本稿では,効率的な収束シミュレーションによる進化的探索アルゴリズムCSE-Autolossを提案する。 一般的な検出器上での損失関数探索の広範囲な評価を行い、探索された損失の優れた一般化能力を検証した。 実験の結果, 2段検出器と1段検出器のmAPでは, 最適損失関数の組み合わせが1.1%と0.8%を上回っていることがわかった。
  論文  参考訳（メタデータ） (2021-02-09T08:34:52Z)
• Robust Unsupervised Video Anomaly Detection by Multi-Path Frame Prediction [61.17654438176999]
  本稿では,フレーム予測と適切な設計による新規で頑健な非教師付きビデオ異常検出手法を提案する。 提案手法は,CUHK Avenueデータセット上で88.3%のフレームレベルAUROCスコアを得る。
  論文  参考訳（メタデータ） (2020-11-05T11:34:12Z)
• Detection Of Concrete Cracks using Dual-channel Deep Convolutional Network [0.0]
  本研究では, 深部畳み込みニューラルネットワーク(CNN)を用いたひび割れ検出手法を提案する。 コンクリートクラックを用いた3200枚のラベル付き画像データベースが作成されており, コントラスト, 照明条件, 方向, ひび割れの重症度は極めて多様であった。 我々は,両チャネル深部CNNを設計し,高い精度(92.25%)と現実的状況におけるコンクリートのひび割れ発見の堅牢性を示した。
  論文  参考訳（メタデータ） (2020-09-22T15:17:02Z)
• Unsupervised Pixel-level Road Defect Detection via Adversarial Image-to-Frequency Transform [8.644679871804872]
  本稿では,AIFT(Adversarial Image-to-Frequency Transform)を用いた道路欠陥検出のための教師なし手法を提案する。 AIFTは、欠陥検出モデルの導出において、教師なしの方法と敵対的な学習を採用するため、道路舗装欠陥に対するアノテーションは不要である。
  論文  参考訳（メタデータ） (2020-01-30T04:50:00Z)

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。