論文の概要: Fast and Robust Structural Damage Analysis of Civil Infrastructure Using UAV Imagery

• arxiv url: http://arxiv.org/abs/2110.04806v1
• Date: Sun, 10 Oct 2021 14:24:26 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-12 18:04:43.754306
• Title: Fast and Robust Structural Damage Analysis of Civil Infrastructure Using UAV Imagery
• Title（参考訳）: uav画像を用いた民生インフラの高速・ロバスト構造損傷解析
• Authors: Alon Oring
• Abstract要約: 自動構造検査損傷解析のためのエンドツーエンド手法を提案する。 自動オブジェクト検出とセグメンテーションを使用して、欠陥、ブリッジユーティリティ、エレメントを正確にローカライズする。 本手法は,UAV画像の高速かつロバストな損傷解析を可能にするだけでなく,手動で取得した画像の解析にも有効である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The usage of Unmanned Aerial Vehicles (UAVs) in the context of structural health inspection is recently gaining tremendous popularity. Camera mounted UAVs enable the fast acquisition of a large number of images often used for mapping, 3D model reconstruction, and as an assisting tool for inspectors. Due to the number of images captured during large scale UAV surveys, a manual image-based inspection analysis of entire assets cannot be efficiently performed by qualified engineers. Additionally, comparing defects to past inspections requires the retrieval of relevant images which is often impractical without extensive metadata or computer-vision-based algorithms. In this paper, we propose an end-to-end method for automated structural inspection damage analysis. Using automated object detection and segmentation we accurately localize defects, bridge utilities and elements. Next, given the high overlap in UAV imagery, points of interest are extracted, and defects are located and matched throughout the image database, considerably reducing data redundancy while maintaining a detailed record of the defects. Our technique not only enables fast and robust damage analysis of UAV imagery, as we show herein, but is also effective for analyzing manually acquired images.
• Abstract（参考訳）: 構造的健康検査の文脈における無人航空機(UAV)の使用は、近年大きな人気を集めている。 カメラ搭載UAVは、マッピングや3Dモデル再構成、検査者の補助ツールとしてよく使われる多数の画像の迅速な取得を可能にする。 大規模uav調査で撮影された画像の数のため、資格のある技術者は手作業による全資産の検査分析を効率的に行うことはできない。 さらに、過去の検査と比較するためには、大量のメタデータやコンピュータビジョンベースのアルゴリズムを使わずに実用的でない画像の検索が必要である。 本稿では,自動構造検査損傷解析のためのエンドツーエンド手法を提案する。 自動オブジェクト検出とセグメンテーションを使用して、欠陥、ブリッジユーティリティ、エレメントを正確にローカライズする。 次に、UAV画像の重なりが大きいと、関心点が抽出され、画像データベース全体にわたって欠陥の位置と一致し、欠陥の詳細な記録を維持しながらデータの冗長性を著しく低減する。 本手法は,UAV画像の高速かつロバストな損傷解析を可能にするだけでなく,手動で取得した画像の解析にも有効である。

関連論文リスト

• UAVDB: Trajectory-Guided Adaptable Bounding Boxes for UAV Detection [0.03464344220266879]
  パッチ強度収束(Patch Intensity Convergence、PIC)技術は、手動ラベリングなしでUAV検出のための高忠実なバウンディングボックスを生成する。 この技術は、UAV検出に特化した専用データベースであるUAVDBの基礎となる。 我々は,最先端(SOTA)YOLO系列検出器を用いてUAVDBをベンチマークし,総合的な性能解析を行った。
  論文  参考訳（メタデータ） (2024-09-09T13:27:53Z)
• Machine Learning for Pre/Post Flight UAV Rotor Defect Detection Using Vibration Analysis [54.550658461477106]
  無人航空機(UAV)は将来のスマートシティにとって重要なインフラ要素となるだろう。 効率的な運用のためには、UAVの信頼性は障害や故障の常時監視によって保証されなければならない。 本稿では,信号処理と機械学習を利用して,包括的振動解析データを分析し,ローターブレードの欠陥の有無を判定する。
  論文  参考訳（メタデータ） (2024-04-24T13:50:27Z)
• High-Resolution Vision Transformers for Pixel-Level Identification of Structural Components and Damage [1.8923948104852863]
  視覚変換器とラプラシアピラミッドスケーリングネットワークに基づくセマンティックセグメンテーションネットワークを開発した。 提案手法は,橋梁検査報告画像のデータセットに関する総合的な実験を通じて評価されている。
  論文  参考訳（メタデータ） (2023-08-06T03:34:25Z)
• High-Fidelity Visual Structural Inspections through Transformers and Learnable Resizers [2.126862120884775]
  無人航空機(UAV)と人工知能の最近の進歩により、視覚検査はより速く、より安全で、より信頼性が高い。 高解像度セグメンテーションは、高い計算メモリ要求のために非常に難しい。 本稿では,グローバルとローカルのセマンティクスのトレードオフを管理することで,異なる検査タスクに適応できるハイブリッド戦略を提案する。
  論文  参考訳（メタデータ） (2022-10-21T18:08:26Z)
• 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)
• Test-time Adaptation with Slot-Centric Models [63.981055778098444]
  Slot-TTAは、半教師付きシーン分解モデルであり、シーンごとのテスト時間は、再構成やクロスビュー合成の目的に対する勾配降下を通じて適用される。 我々は、最先端の監視フィードフォワード検出器と代替テスト時間適応法に対して、配電性能が大幅に向上したことを示す。
  論文  参考訳（メタデータ） (2022-03-21T17:59:50Z)
• Validation of object detection in UAV-based images using synthetic data [9.189702268557483]
  UAVベースの検出のための機械学習(ML)モデルは、UAVアプリケーションとは無関係なタスクのためにキュレートされたデータを使用して検証されることが多い。 このようなエラーは、UAVの画像と訓練中の画像との間の画像条件の違いによって生じる。 本研究は,ゲームエンジンを用いて生成した合成データを用いて,異なるUAV画像条件が検出性能に与える影響を理解することに焦点を当てた。
  論文  参考訳（メタデータ） (2022-01-17T20:56:56Z)
• CutPaste: Self-Supervised Learning for Anomaly Detection and Localization [59.719925639875036]
  通常のトレーニングデータのみを用いて異常検知器を構築するためのフレームワークを提案する。 まず、自己教師付き深層表現を学習し、学習した表現の上に生成的1クラス分類器を構築する。 MVTec異常検出データセットに関する実証研究は,提案アルゴリズムが実世界の様々な欠陥を検出可能であることを実証している。
  論文  参考訳（メタデータ） (2021-04-08T19:04:55Z)
• Artificial and beneficial -- Exploiting artificial images for aerial vehicle detection [1.4528189330418975]
  本研究では,2次元cad描画から作成した車両を人工的あるいは実際の背景に重ね合わせてトップダウン画像を生成する生成手法を提案する。 修正されたRetinaNetオブジェクト検出ネットワークによる実験では、これらの画像を小さな実世界のデータセットに追加することで、検出パフォーマンスが大幅に向上することを示しています。
  論文  参考訳（メタデータ） (2021-04-07T11:06:15Z)
• Perceiving Traffic from Aerial Images [86.994032967469]
  本研究では,空中画像中の物体を検出するために,バタフライ検出器と呼ばれる物体検出手法を提案する。 UAVDT(UAVDT)とVisDrone 2019(VisDrone 2019)の2つのUAVデータセット上でButterfly Detectorを評価し、従来の最先端の手法よりも高速に動作し、かつリアルタイムに動作可能であることを示す。
  論文  参考訳（メタデータ） (2020-09-16T11:37:43Z)
• Occluded Prohibited Items Detection: an X-ray Security Inspection Benchmark and De-occlusion Attention Module [50.75589128518707]
  我々はOPIXrayというセキュリティ検査のための最初の高品質なオブジェクト検出データセットをコントリビュートする。 OPIXrayは、空港のプロの検査官が手動で注記した「カッター」に焦点をあてた。 本稿では,プラグイン・アンド・プレイモジュールであるデオクルージョン・アテンション・モジュール(DOAM)を提案する。
  論文  参考訳（メタデータ） (2020-04-18T16:10:55Z)

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。