論文の概要: Learning to Sieve: Prediction of Grading Curves from Images of Concrete
Aggregate
- arxiv url: http://arxiv.org/abs/2204.03333v1
- Date: Thu, 7 Apr 2022 10:04:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-08 14:53:43.800769
- Title: Learning to Sieve: Prediction of Grading Curves from Images of Concrete
Aggregate
- Title（参考訳）: シーブへの学習:コンクリート骨材画像からの勾配曲線の予測
- Authors: Max Coenen and Dries Beyer and Christian Heipke and Michael Haist
- Abstract要約: 本稿では, コンクリート骨材グレーディング曲線を決定するための深層学習法を提案する。
本稿では,マルチスケール特徴抽出モジュールを応用したネットワークアーキテクチャを提案する。
- 参考スコア（独自算出の注目度）: 1.6249267147413522
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A large component of the building material concrete consists of aggregate
with varying particle sizes between 0.125 and 32 mm. Its actual size
distribution significantly affects the quality characteristics of the final
concrete in both, the fresh and hardened states. The usually unknown variations
in the size distribution of the aggregate particles, which can be large
especially when using recycled aggregate materials, are typically compensated
by an increased usage of cement which, however, has severe negative impacts on
economical and ecological aspects of the concrete production. In order to allow
a precise control of the target properties of the concrete, unknown variations
in the size distribution have to be quantified to enable a proper adaptation of
the concrete's mixture design in real time. To this end, this paper proposes a
deep learning based method for the determination of concrete aggregate grading
curves. In this context, we propose a network architecture applying multi-scale
feature extraction modules in order to handle the strongly diverse object sizes
of the particles. Furthermore, we propose and publish a novel dataset of
concrete aggregate used for the quantitative evaluation of our method.
- Abstract（参考訳）: 建築材料コンクリートの大きな成分は、粒子径が0.125〜32mmの集合体からなる。
実寸法分布は, 最終コンクリートの品質特性, フレッシュ状態, 硬化状態の両方に有意な影響を与えている。
再生骨材を用いた場合, 粒度分布のばらつきは通常明らかでないが, セメントの使用量の増加によって補うが, コンクリート製造の経済的, 生態的側面に悪影響を及ぼす。
コンクリートのターゲット特性を正確に制御するためには, 寸法分布の未知な変化を定量化し, コンクリートの混合設計をリアルタイムで適切に適応させる必要がある。
そこで,本稿では,コンクリート骨材劣化曲線の決定のための深層学習に基づく手法を提案する。
本稿では,粒子の多種多様なオブジェクトサイズを扱うために,マルチスケール特徴抽出モジュールを適用したネットワークアーキテクチャを提案する。
さらに,本手法の定量的評価に用いるコンクリート骨材の新しいデータセットを提案し,公開する。
関連論文リスト
- Characterizing segregation in blast rock piles a deep-learning approach leveraging aerial image analysis [7.211586388797869]
本研究では,岩盤断片の分離を特徴付ける高度な画像解析手法を提案する。
ドローンが捉えた画像の解析により,詳細な岩石の破片径分布の正確な記述が達成された。
論文 参考訳（メタデータ） (2024-06-06T15:13:56Z) - Size-invariance Matters: Rethinking Metrics and Losses for Imbalanced Multi-object Salient Object Detection [133.66006666465447]
現在のメトリクスはサイズに敏感で、大きなオブジェクトが集中し、小さなオブジェクトが無視される傾向があります。
サイズに基づくバイアスは、追加のセマンティック情報なしでは不適切であるため、評価はサイズ不変であるべきだと論じる。
我々は,この目標に適した最適化フレームワークを開発し,異なる大きさのオブジェクトの検出において,大幅な改善を実現した。
論文 参考訳（メタデータ） (2024-05-16T03:01:06Z) - IME: Integrating Multi-curvature Shared and Specific Embedding for Temporal Knowledge Graph Completion [97.58125811599383]
時間的知識グラフ(TKG)は時間次元を取り入れており、知識の進化を正確に捉えることができる。
本稿では,TKGCタスクのための新しい多曲率共有固有埋め込み(IME)モデルを提案する。
IMEは2つの重要な性質、すなわち空間共有性と空間固有性を含んでいる。
論文 参考訳（メタデータ） (2024-03-28T23:31:25Z) - Image-based Deep Learning for the time-dependent prediction of fresh concrete properties [0.5018974919510383]
本稿では, 立体画像系列に基づく混合過程において, 新鮮なコンクリートの特性を予測できることを示す。
この予測には畳み込みニューラルネットワーク(CNN)が使用され、ミックスデザインの情報によって支持される画像を入力として受信する。
混合設計の情報によって支援された深度と光学的流れの画像に基づくアプローチが,最良の結果が得られることを示す。
論文 参考訳（メタデータ） (2024-02-09T18:42:30Z) - Sustainable Concrete via Bayesian Optimization [4.149122595744125]
地球規模の二酸化炭素排出量の8%はセメントの生産による可能性がある。
そのため、低炭素コンクリート公式の発見は持続可能性にとって非常に重要である。
論文 参考訳（メタデータ） (2023-10-27T17:25:12Z) - Probabilistic selection and design of concrete using machine learning [0.0]
機械学習を用いて信頼性の高いプロパティ予測を行うことで、コンクリートのパフォーマンスベースの仕様作成が容易になる。
本研究では, 炭素化に対する耐性が高いコンクリートの混合物と, 環境影響の低いコンクリートの混合物を同定する手法を適用した。
我々の一般的な手法は、構造工学に幅広い応用がある機械学習におけるノイズの活用を可能にする。
論文 参考訳（メタデータ） (2023-04-21T19:20:40Z) - Concrete Score Matching: Generalized Score Matching for Discrete Data [109.12439278055213]
コンクレトスコア(Concrete score)とは、個別の設定のためのスコア(ステイン)の一般化である。
コンクレトスコアマッチング(Concrete Score Matching)は、サンプルからこのようなスコアを学習するフレームワークである。
論文 参考訳（メタデータ） (2022-11-02T00:41:37Z) - Accelerated Design and Deployment of Low-Carbon Concrete for Data
Centers [13.376376442187922]
条件付き変分オートエンコーダ (CVAE) を用いて, 所望の特性を持つ具体的な公式を探索する。
私たちのモデルは、UCI Machine Learning Repositoryの小さなオープンデータセットを使ってトレーニングされています。
本報告では, アメリカ合衆国, デカルブのメタデータセンターにおいて, 建物や構造物の造成にこれらの定式化が用いられていることを報告する。
論文 参考訳（メタデータ） (2022-04-11T20:40:13Z) - Learning Conditional Invariance through Cycle Consistency [60.85059977904014]
本稿では,データセットの変動の有意義な要因と独立な要因を識別する新しい手法を提案する。
提案手法は,対象プロパティと残りの入力情報に対する2つの別個の潜在部分空間を含む。
我々は,より意味のある因子を同定し,よりスペーサーや解釈可能なモデルに導く合成および分子データについて実証する。
論文 参考訳（メタデータ） (2021-11-25T17:33:12Z) - Featurized Density Ratio Estimation [82.40706152910292]
本研究では,2つの分布を推定前の共通特徴空間にマッピングするために,可逆生成モデルを活用することを提案する。
この偉業化は、学習された入力空間の密度比が任意に不正確な場合、潜在空間において密度が密接な関係をもたらす。
同時に、特徴写像の可逆性は、特徴空間で計算された比が入力空間で計算された比と同値であることを保証する。
論文 参考訳（メタデータ） (2021-07-05T18:30:26Z) - Interpolation and Learning with Scale Dependent Kernels [91.41836461193488]
非パラメトリックリッジレス最小二乗の学習特性について検討する。
スケール依存カーネルで定義される推定器の一般的な場合を考える。
論文 参考訳（メタデータ） (2020-06-17T16:43:37Z)
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。