論文の概要: Image-based monitoring of bolt loosening through deep-learning-based
integrated detection and tracking
- arxiv url: http://arxiv.org/abs/2111.09117v1
- Date: Tue, 16 Nov 2021 00:47:00 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-18 15:23:05.721114
- Title: Image-based monitoring of bolt loosening through deep-learning-based
integrated detection and tracking
- Title（参考訳）: 深層学習に基づく統合的検出・追跡によるボルト緩みのイメージベースモニタリング
- Authors: Xiao Pan, T.Y. Yang
- Abstract要約: 構造ボルトのクランプ力は、ボルト回転の影響を強く受けている。
ボルト回転推定に関する既存のビジョンベースの研究の多くは、従来のコンピュータビジョンアルゴリズムに依存している。
本研究では,ボルト回転角を監視するために,RTDT-Boltという実時間検出トラック方式を提案する。
- 参考スコア（独自算出の注目度）: 2.5048502067705103
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Structural bolts are critical components used in different structural
elements, such as beam-column connections and friction damping devices. The
clamping force in structural bolts is highly influenced by the bolt rotation.
Much of the existing vision-based research about bolt rotation estimation
relies on traditional computer vision algorithms such as Hough Transform to
assess static images of bolts. This requires careful image preprocessing, and
it may not perform well in the situation of complicated bolt assemblies, or in
the presence of surrounding objects and background noise, thus hindering their
real-world applications. In this study, an integrated real-time detect-track
method, namely RTDT-Bolt, is proposed to monitor the bolt rotation angle.
First, a real-time convolutional-neural-networks-based object detector, named
YOLOv3-tiny, is established and trained to localize structural bolts. Then, the
target-free object tracking algorithm based on optical flow is implemented, to
continuously monitor and quantify the rotation of structural bolts. In order to
enhance the tracking performance against background noise and potential
illumination changes during tracking, the YOLOv3-tiny is integrated with the
optical flow tracking algorithm to re-detect the bolts when the tracking gets
lost. Extensive parameter studies were conducted to identify optimal tracking
performance and examine the potential limitations. The results indicate the
RTDT-Bolt method can greatly enhance the tracking performance of bolt rotation,
which can achieve over 90% accuracy using the recommended range for the
parameters.
- Abstract（参考訳）: 構造ボルトはビームカラム接続や摩擦減衰装置など、異なる構造要素で使用される重要な部品である。
構造ボルトのクランプ力は、ボルト回転の影響を強く受けている。
ボルト回転推定に関する既存のビジョンに基づく研究の多くは、ボルトの静的画像を評価するためにハフ変換のような従来のコンピュータビジョンアルゴリズムに依存している。
これは注意深い画像前処理を必要としており、複雑なボルト組立体の状況や周囲の物体や背景ノイズの存在下ではうまく機能せず、現実の応用を妨げる可能性がある。
本研究では,ボルト回転角を監視するためにRTDT-Boltという実時間検出トラック方式を提案する。
まず、リアルタイム畳み込みニューラルネットワークベースの物体検出器、yolov3-tinyが確立され、構造ボルトのローカライズを訓練する。
そして、オプティカルフローに基づくターゲットフリーオブジェクトトラッキングアルゴリズムを実装し、構造ボルトの回転を継続的に監視して定量化する。
トラッキング中の背景雑音に対するトラッキング性能と潜在的な照度変化を高めるため、YOLOv3-tinyは光流追跡アルゴリズムと統合され、トラッキングが失われたときにボルトを再検出する。
最適追従性能を同定し, 潜在的な限界を検討するために, 広範囲なパラメータ研究を行った。
その結果, RTDT-Bolt法はボルト回転のトラッキング性能を大幅に向上し, パラメータの推奨範囲を用いて90%以上の精度を達成できることがわかった。
関連論文リスト
- Robust 6DoF Pose Tracking Considering Contour and Interior Correspondence Uncertainty for AR Assembly Guidance [14.600443656542302]
本稿では,誤りの少ない輪郭対応に対処し,耐雑音性を向上させる頑健な輪郭型ポーズトラッキング手法を提案する。
第2に、回転対称な物体の追跡を改良し、局所最小化を克服するための輪郭法を支援するためのCPUのみの戦略を導入する。
公開データセットと実シナリオを用いた実験により,本手法は最先端の単分子追跡法より著しく優れていることが示された。
論文 参考訳（メタデータ） (2025-02-17T16:18:57Z) - Dim Small Target Detection and Tracking: A Novel Method Based on Temporal Energy Selective Scaling and Trajectory Association [8.269449428849867]
本稿では,有効検出を実現するための時間的特徴に基づく空間的特徴と実現可能性に基づく難易度の分析を行う。
この分析により,マルチフレームを検出単位とし,時間的エネルギー選択スケーリング(TESS)に基づく検出手法を提案する。
対象画素に対して、画素を通過するターゲットは、画素によって形成される強度時間プロファイル(ITP)に弱い過渡的障害をもたらす。
適切に設計された関数を用いて、過渡的障害を増幅し、背景成分と雑音成分を抑圧し、ターゲットの軌道を多フレーム検出ユニットに出力する。
論文 参考訳（メタデータ） (2024-05-15T03:02:21Z) - LEAP-VO: Long-term Effective Any Point Tracking for Visual Odometry [52.131996528655094]
本稿では,LEAP(Long-term Effective Any Point Tracking)モジュールについて述べる。
LEAPは、動的トラック推定のために、視覚的、トラック間、時間的キューと慎重に選択されたアンカーを革新的に組み合わせている。
これらの特徴に基づき,強靭な視力計測システムLEAP-VOを開発した。
論文 参考訳（メタデータ） (2024-01-03T18:57:27Z) - RotaTR: Detection Transformer for Dense and Rotated Object [0.49764328892172144]
指向性検出へのDETRの拡張として,回転物体検出TRansformer(RotaTR)を提案する。
具体的には、DTRの指向目標検出能力を高めるために、回転感度変形(RSDeform)アテンションを設計する。
RotaTRは、元のDETRと比較して密度と向きの強い物体を検出するのに大きな利点を示している。
論文 参考訳（メタデータ） (2023-12-05T15:06:04Z) - DORT: Modeling Dynamic Objects in Recurrent for Multi-Camera 3D Object
Detection and Tracking [67.34803048690428]
本稿では、この問題を解決するためにRecurrenT(DORT)の動的オブジェクトをモデル化することを提案する。
DORTは、重い計算負担を軽減する動き推定のために、オブジェクトワイズローカルボリュームを抽出する。
フレキシブルで実用的で、ほとんどのカメラベースの3Dオブジェクト検出器に差し込むことができる。
論文 参考訳（メタデータ） (2023-03-29T12:33:55Z) - Adaptive Rotated Convolution for Rotated Object Detection [96.94590550217718]
本稿では、回転物体検出問題に対処するために、適応回転変換(ARC)モジュールを提案する。
ARCモジュールでは、コンボリューションカーネルが適応的に回転し、異なる画像に異なる向きのオブジェクト特徴を抽出する。
提案手法は,81.77%mAPのDOTAデータセット上での最先端性能を実現する。
論文 参考訳（メタデータ） (2023-03-14T11:53:12Z) - ARS-DETR: Aspect Ratio-Sensitive Detection Transformer for Aerial Oriented Object Detection [55.291579862817656]
既存のオブジェクト指向オブジェクト検出手法では、モデルの性能を測定するために計量AP$_50$が一般的である。
我々は、AP$_50$は本来、角度偏差に大きな耐性があるため、オブジェクト指向物体検出には適さないと主張している。
本稿では,ARS-DETR(Aspect Ratio Sensitive Oriented Object Detector with Transformer)を提案する。
論文 参考訳（メタデータ） (2023-03-09T02:20:56Z) - Joint 3D Object Detection and Tracking Using Spatio-Temporal
Representation of Camera Image and LiDAR Point Clouds [12.334725127696395]
カメラとLiDARセンサを用いた3次元物体検出・追跡のための新しい関節物体検出・追跡(DT)フレームワークを提案する。
提案手法は3D DetecJoと呼ばれ、検出器とトラッカーが協調してカメラとLiDARデータの時間表現を生成する。
論文 参考訳（メタデータ） (2021-12-14T02:38:45Z) - RSINet: Rotation-Scale Invariant Network for Online Visual Tracking [7.186849714896344]
ほとんどのネットワークベースのトラッカーは、モデル更新なしで追跡処理を行い、ターゲット固有の変動を適応的に学習することができない。
本稿では、上記の問題に対処する新しい回転スケール不変ネットワーク(RSINet)を提案する。
我々のRSINetトラッカーは、ターゲット・ディトラクタ識別部とローテーション・スケール推定部から構成されており、ローテーションとスケールの知識は、エンドツーエンドでマルチタスク学習法によって明示的に学習することができる。
追加で、追跡モデルは適応的に最適化され、時空間エネルギー制御が更新され、モデル安定性と信頼性が保証され、高いトラッキングが保証される。
論文 参考訳（メタデータ） (2020-11-18T08:19:14Z) - Object Tracking through Residual and Dense LSTMs [67.98948222599849]
LSTM(Long Short-Term Memory)リカレントニューラルネットワークに基づくディープラーニングベースのトラッカーが、強力な代替手段として登場した。
DenseLSTMはResidualおよびRegular LSTMより優れ、ニュアンセに対する高いレジリエンスを提供する。
ケーススタディは、他のトラッカーの堅牢性を高めるために残差ベースRNNの採用を支援する。
論文 参考訳（メタデータ） (2020-06-22T08:20:17Z) - LiDAR-based Online 3D Video Object Detection with Graph-based Message
Passing and Spatiotemporal Transformer Attention [100.52873557168637]
3Dオブジェクト検出器は、通常は単一フレームの検出にフォーカスするが、連続する点のクラウドフレームでは情報を無視する。
本稿では,ポイントシーケンスで動作するエンドツーエンドのオンライン3Dビデオオブジェクト検出器を提案する。
論文 参考訳（メタデータ） (2020-04-03T06:06:52Z)
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。