Fugu-MT 論文翻訳(概要): Construction material classification on imbalanced datasets for construction monitoring automation using Vision Transformer (ViT) architecture

論文の概要: Construction material classification on imbalanced datasets for construction monitoring automation using Vision Transformer (ViT) architecture

arxiv url: http://arxiv.org/abs/2108.09527v1
Date: Sat, 21 Aug 2021 15:29:56 GMT
ステータス: 処理完了
システム内更新日: 2021-08-24 15:47:32.335047
Title: Construction material classification on imbalanced datasets for construction monitoring automation using Vision Transformer (ViT) architecture
Title（参考訳）: vision transformer (vit) アーキテクチャを用いた建設監視自動化のための不均衡データセットの構築材料分類
Authors: Maryam Soleymani, Mahdi Bonyani, Hadi Mahami, Farnad Nasirzadeh
Abstract要約: 建設における自動化のスコープは幅広い段階を含み、建設プロジェクトを監視することは例外ではない。本稿では,視覚変換器(ViT)と呼ばれる新しいディープラーニングアーキテクチャを用いて,建設材料の検出と分類を行う。得られた結果から,すべてのパラメータおよび材料カテゴリーで100%の精度が得られた。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Nowadays, automation is a critical topic due to its significant impacts on the productivity of construction projects. Utilizing automation in this industry brings about great results, such as remarkable improvements in the efficiency, quality, and safety of construction activities. The scope of automation in construction includes a wide range of stages, and monitoring construction projects is no exception. Additionally, it is of great importance in project management since an accurate and timely assessment of project progress enables managers to quickly identify deviations from the schedule and take the required actions at the right time. In this stage, one of the most important tasks is to daily keep track of the project progress, which is very time-consuming and labor-intensive, but automation has facilitated and accelerated this task. It also eliminated or at least decreased the risk of many dangerous tasks. In this way, the first step of construction automation is to detect used materials in a project site automatically. In this paper, a novel deep learning architecture is utilized, called Vision Transformer (ViT), for detecting and classifying construction materials. To evaluate the applicability and performance of the proposed method, it is trained and tested on three large imbalanced datasets, namely Construction Material Library (CML) and Building Material Dataset (BMD), used in the previous papers, as well as a new dataset created by combining them. The achieved results revealed an accuracy of 100 percent in all parameters and also in each material category. It is believed that the proposed method provides a novel and robust tool for detecting and classifying different material types.
Abstract（参考訳）: 今日では、自動化は建設プロジェクトの生産性に大きな影響を与えるため、重要なトピックである。この産業における自動化の利用は、建設作業の効率、品質、安全性を著しく向上させるなど、大きな成果をもたらす。建設における自動化の範囲は幅広い段階を含み、建設プロジェクトを監視することは例外ではない。さらに、プロジェクト進捗の正確かつタイムリーな評価によって、マネージャはスケジュールからの逸脱を素早く識別し、必要なアクションを適切なタイミングで行うことができるので、プロジェクト管理において非常に重要です。この段階で最も重要なタスクの1つは、プロジェクト進捗を日々追跡することであり、それは非常に時間がかかり、労働集約的ですが、自動化によってこのタスクが促進され、加速されました。また、多くの危険なタスクのリスクを排除または少なくとも減らした。このようにして、建設自動化の最初のステップは、プロジェクト現場で使われている材料を自動的に検出することである。本稿では,視覚変換器(ViT)と呼ばれる新しいディープラーニングアーキテクチャを用いて,建設材料の検出と分類を行う。提案手法の適用性および性能を評価するため, 従来の論文で用いた構成材料ライブラリ (CML) と構築材料データセット (BMD) の3つの大きな不均衡なデータセットと, それらを組み合わせて作成した新しいデータセットを用いて, 実験を行った。得られた結果から,すべてのパラメータおよび材料カテゴリーで100%の精度が得られた。提案手法は, 異なる材料タイプを検出し, 分類するための新しいロバストなツールであると考えられる。

関連論文リスト

Automated User Story Generation with Test Case Specification Using Large Language Model [0.0]
要件文書からユーザストーリーを自動生成するツール「GeneUS」を開発した。アウトプットはフォーマットで提供され、ダウンストリーム統合の可能性は人気のあるプロジェクト管理ツールに開放されます。
論文参考訳（メタデータ） (2024-04-02T01:45:57Z)
AIDE: An Automatic Data Engine for Object Detection in Autonomous Driving [68.73885845181242]
本稿では,問題を自動的に識別し,データを効率よくキュレートし,自動ラベル付けによりモデルを改善する自動データエンジン(AIDE)を提案する。さらに,AVデータセットのオープンワールド検出のためのベンチマークを構築し,様々な学習パラダイムを包括的に評価し,提案手法の優れた性能を低コストで実証する。
論文参考訳（メタデータ） (2024-03-26T04:27:56Z)
Automated Contrastive Learning Strategy Search for Time Series [48.68664732145665]
コントラスト学習(CL)は,時系列の表現学習パラダイムとして主流となっている。我々はMicrosoftでAutomated Machine Learning(AutoML)の実践を紹介し、様々な時系列データセットの学習表現をコントラストに自動的に学習する。
論文参考訳（メタデータ） (2024-03-19T11:24:14Z)
TaskBench: Benchmarking Large Language Models for Task Automation [85.3879908356586]
タスク自動化における大規模言語モデルの能力を評価するためにTaskBenchを導入します。高品質な評価データセットを生成するために,ツールグラフの概念を導入する。また,タスク分解,ツールの実行,パラメータ予測など,さまざまな側面からLCMの能力を評価するためのTaskEvalを提案する。
論文参考訳（メタデータ） (2023-11-30T18:02:44Z)
AutoRepo: A general framework for multi-modal LLM-based automated construction reporting [4.406834811182582]
本稿では,建設検査報告の自動生成のためのAutoRepoという新しいフレームワークを提案する。このフレームワークは実世界の建設現場で適用され、検査プロセスの迅速化の可能性を実証した。
論文参考訳（メタデータ） (2023-10-11T23:42:00Z)
Automated Machine Learning in the smart construction era:Significance and accessibility for industrial classification and regression tasks [6.206133097433925]
本稿では,自動機械学習(AutoML)技術の建築産業への適用について検討する。 AutoMLを利用することで、建設専門家はソフトウェアを使用して産業データをプロジェクト管理を支援するMLモデルに処理できる。
論文参考訳（メタデータ） (2023-08-03T03:17:22Z)
Computer Vision for Construction Progress Monitoring: A Real-Time Object Detection Approach [0.0]
建設進捗監視(CPM)は、効率的なプロジェクト管理、オンタイムおよび予算の納入を保証するために不可欠である。従来のCPMメソッドは、しばしば手動による検査と報告に頼っている。本稿では,最先端オブジェクト検出アルゴリズムを用いたCPMの自動検出手法を提案する。
論文参考訳（メタデータ） (2023-05-24T12:27:42Z)
Benchmarking Automated Machine Learning Methods for Price Forecasting Applications [58.720142291102135]
自動機械学習(AutoML)ソリューションで手作業で作成したMLパイプラインを置換する可能性を示す。 CRISP-DMプロセスに基づいて,手動MLパイプラインを機械学習と非機械学習に分割した。本稿では、価格予測の産業利用事例として、ドメイン知識とAutoMLを組み合わせることで、ML専門家への依存が弱まることを示す。
論文参考訳（メタデータ） (2023-04-28T10:27:38Z)
AutoTransfer: AutoML with Knowledge Transfer -- An Application to Graph Neural Networks [75.11008617118908]
AutoML技術は、各タスクをスクラッチから独立して考慮し、高い計算コストをもたらす。本稿では,従来の設計知識を新たな関心事に伝達することで,検索効率を向上させるAutoTransferを提案する。
論文参考訳（メタデータ） (2023-03-14T07:23:16Z)
Continual Object Detection via Prototypical Task Correlation Guided Gating Mechanism [120.1998866178014]
pRotOtypeal taSk corrElaTion guided gaTingAnism (ROSETTA)による連続物体検出のためのフレキシブルなフレームワークを提案する。具体的には、統一されたフレームワークはすべてのタスクで共有され、タスク対応ゲートは特定のタスクのサブモデルを自動的に選択するために導入されます。 COCO-VOC、KITTI-Kitchen、VOCのクラスインクリメンタル検出、および4つのタスクの逐次学習の実験により、ROSETTAが最先端のパフォーマンスを得ることが示された。
論文参考訳（メタデータ） (2022-05-06T07:31:28Z)
A Unified Architecture for Data-Driven Metadata Tagging of Building Automation Systems [0.0]
本稿では,建物自動化システムデータのポイントタグ付けを自動化するための統一アーキテクチャについて述べる。本稿では,BASへの接続を通じてアクセス可能なデータを活用することで,ポイントタグ付けのプロセスを自動化するUAを提案する。提案手法は,それぞれのテストシナリオにおいて,85～90%,70～75パーセントのタグを正しく適用した。
論文参考訳（メタデータ） (2020-02-27T00:35:01Z)

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。