Fugu-MT 論文翻訳(概要): Automatic Displacement and Vibration Measurement in Laboratory Experiments with A Deep Learning Method

論文の概要: Automatic Displacement and Vibration Measurement in Laboratory Experiments with A Deep Learning Method

arxiv url: http://arxiv.org/abs/2109.04960v1
Date: Fri, 10 Sep 2021 15:59:46 GMT
ステータス: 処理完了
システム内更新日: 2021-09-13 15:49:04.729097
Title: Automatic Displacement and Vibration Measurement in Laboratory Experiments with A Deep Learning Method
Title（参考訳）: 深層学習法を用いた実験室における自動変位・振動計測
Authors: Yongsheng Bai, Ramzi M. Abduallah, Halil Sezen, Alper Yilmaz
Abstract要約: 本稿では, 実験室における構造物の変位・振動を自動的に追跡・測定するパイプラインを提案する。最新のMask Regional Convolutional Neural Network (Mask R-CNN)は、静止カメラによって記録されたビデオからターゲットを特定し、その動きを監視する。
参考スコア（独自算出の注目度）: 0.5735035463793008
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper proposes a pipeline to automatically track and measure displacement and vibration of structural specimens during laboratory experiments. The latest Mask Regional Convolutional Neural Network (Mask R-CNN) can locate the targets and monitor their movement from videos recorded by a stationary camera. To improve precision and remove the noise, techniques such as Scale-invariant Feature Transform (SIFT) and various filters for signal processing are included. Experiments on three small-scale reinforced concrete beams and a shaking table test are utilized to verify the proposed method. Results show that the proposed deep learning method can achieve the goal to automatically and precisely measure the motion of tested structural members during laboratory experiments.
Abstract（参考訳）: 本稿では,実験中の構造標本の変位・振動を自動的に追跡・測定するパイプラインを提案する。最新のMask Regional Convolutional Neural Network (Mask R-CNN)は、静止カメラが撮影したビデオからターゲットを見つけ、その動きを監視する。精度の向上とノイズ除去のために、SIFT(Scale-invariant Feature Transform)や各種信号処理用フィルタなどの技術が含まれている。 3つの小型鉄筋コンクリート梁の実験と揺動台試験を用いて提案手法の検証を行った。その結果, 実験中の構造部材の運動を自動的, 正確に計測することを目標とする深層学習法が得られた。

関連論文リスト

Assessment of Submillimeter Precision via Structure from Motion Technique in Close-Range Capture Environments [0.0]
本研究では,SfM法が短距離キャプチャを用いた構造試験のためのサブミリ品質モデルを作成する可能性について検討した。テストボード上に撮像された画像と、テスト領域に適切に分布するスケールバー(SB)のセットと、80%のオーバーラップ率、垂直および斜め画像の統合により、RMSEの値は約0.1mmを得た。
論文参考訳（メタデータ） (2024-09-23T23:13:06Z)
Intelligent Optimization and Machine Learning Algorithms for Structural Anomaly Detection using Seismic Signals [0.9285295512807729]
メカニカルトンネリング中の異常検出方法の欠如は、掘削時間に金銭的損失と損失をもたらす可能性がある。現場掘削ではトンネル掘削機の損傷を回避し, 伝播速度の調整を行うため, 掘削前に硬い障害物を認識する必要がある。構造異常検出の効率は、インテリジェントな最適化技術と機械学習によって向上することができる。
論文参考訳（メタデータ） (2024-01-18T19:48:53Z)
Closing the loop: Autonomous experiments enabled by machine-learning-based online data analysis in synchrotron beamline environments [80.49514665620008]
機械学習は、大規模または高速に生成されたデータセットを含む研究を強化するために使用できる。本研究では,X線反射法(XRR)のための閉ループワークフローへのMLの導入について述べる。本研究では,ビームライン制御ソフトウェア環境に付加的なソフトウェア依存関係を導入することなく,実験中の基本データ解析をリアルタイムで行うソリューションを提案する。
論文参考訳（メタデータ） (2023-06-20T21:21:19Z)
Machine learning enabled experimental design and parameter estimation for ultrafast spin dynamics [54.172707311728885]
機械学習とベイズ最適実験設計(BOED)を組み合わせた方法論を提案する。本手法は,大規模スピンダイナミクスシミュレーションのためのニューラルネットワークモデルを用いて,BOEDの正確な分布と実用計算を行う。数値ベンチマークでは,XPFS実験の誘導,モデルパラメータの予測,実験時間内でのより情報的な測定を行う上で,本手法の優れた性能を示す。
論文参考訳（メタデータ） (2023-06-03T06:19:20Z)
Learning from Training Dynamics: Identifying Mislabeled Data Beyond Manually Designed Features [43.41573458276422]
LSTMネットワークを例として,ノイズ検出を応用した新しい学習ベースソリューションを提案する。提案手法は、合成ラベル雑音を用いたデータセットを用いて、教師あり方式でノイズ検出器を訓練する。提案手法は, 各種データセットの誤ラベルサンプルを, さらなる適応を伴わずに, 精度良く検出できることが示唆された。
論文参考訳（メタデータ） (2022-12-19T09:39:30Z)
Retrieving space-dependent polarization transformations via near-optimal quantum process tomography [55.41644538483948]
トモグラフィー問題に対する遺伝的および機械学習アプローチの適用について検討する。ニューラルネットワークベースのスキームは、リアルタイムにキャラクタリゼーションを必要とするアプリケーションにおいて、重要なスピードアップを提供する。これらの結果は、より一般的な量子プロセスにおけるトモグラフィーアプローチの最適化の基礎となることを期待する。
論文参考訳（メタデータ） (2022-10-27T11:37:14Z)
Toward deep-learning-assisted spectrally-resolved imaging of magnetic noise [52.77024349608834]
本研究では,基礎となるゆらぎ磁場のスペクトル密度を効率的に再構成するディープニューラルネットワークを実装した。これらの結果は、色中心に基づくナノスケールセンシングとイメージングに機械学習手法を適用する機会を生み出す。
論文参考訳（メタデータ） (2022-08-01T19:18:26Z)
Grasp-and-Lift Detection from EEG Signal Using Convolutional Neural Network [1.869097450593631]
本稿では,32チャネル脳波信号から手動動作ビズGALを検出する手法を自動化した。提案したパイプラインは、基本的には前処理とエンドツーエンド検出ステップを組み合わせたもので、手作りの機能エンジニアリングの必要性を排除している。
論文参考訳（メタデータ） (2022-02-12T19:27:06Z)
DeepTimeAnomalyViz: A Tool for Visualizing and Post-processing Deep Learning Anomaly Detection Results for Industrial Time-Series [88.12892448747291]
DeTAVIZ インタフェースは Web ブラウザをベースとした可視化ツールで,特定の問題における DL ベースの異常検出の実現可能性の迅速な探索と評価を行う。 DeTAVIZを使えば、ユーザーは複数のポスト処理オプションを簡単かつ迅速に繰り返し、異なるモデルを比較することができ、選択したメトリックに対して手動で最適化できる。
論文参考訳（メタデータ） (2021-09-21T10:38:26Z)
Interferobot: aligning an optical interferometer by a reinforcement learning agent [118.43526477102573]
我々は、単眼カメラで取得した縁の画像に基づいて、マッハ・ツェンダー干渉計を整列するようにRLエージェントを訓練する。エージェントは、物理に関する手書きの特徴や事前情報なしで、シミュレーション環境で訓練される。物理測定の不確かさをシミュレートする一連の領域ランダム化により、エージェントはこの干渉計を微調整なしで整列させることに成功した。
論文参考訳（メタデータ） (2020-06-03T13:10:54Z)
Relaxing constraints on data acquisition and position detection for trap stiffness calibration in optical tweezers [0.9558392439655015]
本研究では,そのような測定方法に対する簡易化を実験的に提案する。また,標準位置検知器を代替するナイフエッジ検出方式を提案する。
論文参考訳（メタデータ） (2020-04-06T16:36:27Z)

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。