論文の概要: Methods for segmenting cracks in 3d images of concrete: A comparison based on semi-synthetic images

• arxiv url: http://arxiv.org/abs/2112.09493v1
• Date: Fri, 17 Dec 2021 13:02:30 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-20 14:00:44.773245
• Title: Methods for segmenting cracks in 3d images of concrete: A comparison based on semi-synthetic images
• Title（参考訳）: コンクリートの3次元画像におけるひび割れの分割方法:半合成画像による比較
• Authors: Tin Barisin, Christian Jung, Franziska M\"usebeck, Claudia Redenbach, Katja Schladitz
• Abstract要約: 本稿では, 3次元画像の自動き裂分割法について概説し, 比較した。 それらの性能は、画像のグレー値分布に適応すべきパラメータの選択に依存する。 一般に、学習方法は、特に薄いひび割れと低い灰色のコントラストに対して最もよく機能する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Concrete is the standard construction material for buildings, bridges, and roads. As safety plays a central role in the design, monitoring, and maintenance of such constructions, it is important to understand the cracking behavior of concrete. Computed tomography captures the microstructure of building materials and allows to study crack initiation and propagation. Manual segmentation of crack surfaces in large 3d images is not feasible. In this paper, automatic crack segmentation methods for 3d images are reviewed and compared. Classical image processing methods (edge detection filters, template matching, minimal path and region growing algorithms) and learning methods (convolutional neural networks, random forests) are considered and tested on semi-synthetic 3d images. Their performance strongly depends on parameter selection which should be adapted to the grayvalue distribution of the images and the geometric properties of the concrete. In general, the learning methods perform best, in particular for thin cracks and low grayvalue contrast.
• Abstract（参考訳）: コンクリートは建物、橋、道路の標準的な建設材料である。 コンクリート構造物の設計, 監視, 維持において安全が重要な役割を担っているため, コンクリートのひび割れ挙動を理解することが重要である。 コンピュータトモグラフィーは建築材料の微細構造を捉え、亀裂の発生と伝播を研究することができる。 大規模な3次元画像におけるき裂面の手動分割は不可能である。 本稿では,3次元画像の自動き裂分割法について概説し,比較する。 半合成3次元画像に対して,古典的画像処理手法(エッジ検出フィルタ,テンプレートマッチング,最小経路,領域成長アルゴリズム)と学習手法(畳み込みニューラルネットワーク,ランダムフォレスト)を検討,検証した。 それらの性能は、画像の灰色の値分布とコンクリートの幾何学的性質に適応すべきパラメータ選択に強く依存する。 一般に、学習方法は、特に薄いひび割れと低い灰色のコントラストに対して最もよく機能する。

関連論文リスト

• Segmentation tool for images of cracks [0.16492989697868887]
  本稿では,画像上のひび割れを手動で分割しやすくする半自動き裂分割ツールを提案する。 また、ひび割れの形状を測定するためにも用いられる。 提案手法は完全自動手法より優れており,手動データアノテーションの適切な代替となる可能性を示している。
  論文  参考訳（メタデータ） (2024-03-28T15:23:52Z)
• A statistical method for crack detection in 3D concrete images [5.524804393257921]
  クラック領域を事前に検出するためにはロバストなアルゴリズムが必要である。 提案手法は,CT画像中の亀裂領域を高い確率で識別する合理化手法を提供することにより,この問題に対処する。 興味のある領域を効率的に同定することにより、本アルゴリズムは材料構造内の潜在的な異常をより集中的に調べることができる。
  論文  参考訳（メタデータ） (2024-02-25T15:55:24Z)
• Semi-sparsity Priors for Image Structure Analysis and Extraction [3.130722489512822]
  画像構造解析と抽出のための半スパース正規化フレームワークを提案する。 有名な階段のアーチファクトを導入することなく,画像構造を保存できることが示される。 また,乗算器の方向法(ADMM)に基づく効率的な数値解も導入する。
  論文  参考訳（メタデータ） (2023-08-17T18:22:00Z)
• Semantic Image Translation for Repairing the Texture Defects of Building Models [16.764719266178655]
  本稿では, ファサードテクスチャ画像の合成手法を提案する。 提案手法は,既存のテクスチャを欠いたファッケードに対して,テクスチャイメージを特定のスタイルで合成することも可能である。
  論文  参考訳（メタデータ） (2023-03-30T14:38:53Z)
• Rank-Enhanced Low-Dimensional Convolution Set for Hyperspectral Image Denoising [50.039949798156826]
  本稿では,ハイパースペクトル(HS)画像の難解化問題に対処する。 ランク付き低次元畳み込み集合(Re-ConvSet)を提案する。 次に、Re-ConvSetを広く使われているU-Netアーキテクチャに組み込んで、HS画像復号法を構築する。
  論文  参考訳（メタデータ） (2022-07-09T13:35:12Z)
• Multiscale Analysis for Improving Texture Classification [62.226224120400026]
  本稿では,テクスチャの異なる空間周波数帯域を別々に扱うために,ガウス・ラプラシアピラミッドを用いる。 バイオインスパイアされたテクスチャ記述子,情報理論測度,灰色レベルの共起行列特徴,ハリリック統計特徴から抽出した特徴を特徴ベクトルに集約した。
  論文  参考訳（メタデータ） (2022-04-21T01:32:22Z)
• A Survey on Intrinsic Images: Delving Deep Into Lambert and Beyond [8.313161485540338]
  内在画像や内在画像の分解は、伝統的にイメージを2つの層に分解する問題として説明されてきた。 近年,これらの分離の精度を高めるため,ディープラーニング技術が広く応用されている。 画像形成プロセスにおいて,より高度な物理原理を持つコンポーネントの可能性に対する意識が高まっていることを示す。
  論文  参考訳（メタデータ） (2021-12-07T17:26:35Z)
• Image Inpainting Guided by Coherence Priors of Semantics and Textures [62.92586889409379]
  セマンティクスとテクスチャ間のコヒーレンスプリエンスを導入することにより、セマンティクス的な方法で別々のテクスチャを完成させることに集中できる。 また,全体構造と詳細なテクスチャの観点から,セマンティクスとインペインテッドイメージの一貫性を制約する2つのコヒーレンス損失を提案する。
  論文  参考訳（メタデータ） (2020-12-15T02:59:37Z)
• Depth image denoising using nuclear norm and learning graph model [107.51199787840066]
  グループベース画像復元法は,パッチ間の類似性収集に有効である。 各パッチに対して、検索ウィンドウ内で最もよく似たパッチを見つけ、グループ化する。 提案手法は, 主観的, 客観的両面において, 最先端の復調法よりも優れている。
  論文  参考訳（メタデータ） (2020-08-09T15:12:16Z)
• Intrinsic Autoencoders for Joint Neural Rendering and Intrinsic Image Decomposition [67.9464567157846]
  合成3Dモデルからリアルな画像を生成するためのオートエンコーダを提案し,同時に実像を本質的な形状と外観特性に分解する。 実験により, レンダリングと分解の併用処理が有益であることが確認され, 画像から画像への翻訳の質的, 定量的なベースラインよりも優れた結果が得られた。
  論文  参考訳（メタデータ） (2020-06-29T12:53:58Z)
• Guidance and Evaluation: Semantic-Aware Image Inpainting for Mixed Scenes [54.836331922449666]
  本稿では,SGE-Net(Semantic Guidance and Evaluation Network)を提案する。 セマンティックセグメンテーションマップをインペイントの各尺度のガイダンスとして利用し、そこで位置依存推論を再評価する。 混合シーンの現実画像に対する実験により,提案手法が最先端手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2020-03-15T17:49:20Z)

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。