論文の概要: NHA12D: A New Pavement Crack Dataset and a Comparison Study Of Crack Detection Algorithms

• arxiv url: http://arxiv.org/abs/2205.01198v1
• Date: Mon, 2 May 2022 20:22:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-05 02:56:00.807256
• Title: NHA12D: A New Pavement Crack Dataset and a Comparison Study Of Crack Detection Algorithms
• Title（参考訳）: NHA12D:新しい舗装き裂データセットとき裂検出アルゴリズムの比較検討
• Authors: Zhening Huang, Weiwei Chen, Abir Al-Tabbaa, Ioannis Brilakis
• Abstract要約: 本稿では, アートクラック検出アルゴリズムの性能を評価するために, 比較検討を行った。 異なる視点と舗装タイプを持つ画像を含むより包括的アノテート舗装クラックデータセット(NHA12D)を提案する。 全体としては、VGG-16をバックボーンとするU-Netモデルは、最高のオールアラウンド性能を持つが、一般的にはコンクリート製の継手とひび割れを区別することができない。
• 参考スコア（独自算出の注目度）: 1.3792760290422186
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Crack detection plays a key role in automated pavement inspection. Although a large number of algorithms have been developed in recent years to further boost performance, there are still remaining challenges in practice, due to the complexity of pavement images. To further accelerate the development and identify the remaining challenges, this paper conducts a comparison study to evaluate the performance of the state of the art crack detection algorithms quantitatively and objectively. A more comprehensive annotated pavement crack dataset (NHA12D) that contains images with different viewpoints and pavements types is proposed. In the comparison study, crack detection algorithms were trained equally on the largest public crack dataset collected and evaluated on the proposed dataset (NHA12D). Overall, the U-Net model with VGG-16 as backbone has the best all-around performance, but models generally fail to distinguish cracks from concrete joints, leading to a high false-positive rate. It also found that detecting cracks from concrete pavement images still has huge room for improvement. Dataset for concrete pavement images is also missing in the literature. Future directions in this area include filling the gap for concrete pavement images and using domain adaptation techniques to enhance the detection results on unseen datasets.
• Abstract（参考訳）: 亀裂検出は自動舗装検査において重要な役割を果たしている。 近年は性能向上のために多くのアルゴリズムが開発されているが、舗装画像の複雑さのため、実際はまだ課題が残っている。 開発をさらに加速させ,残りの課題を特定するため,本研究では,アートクラック検出アルゴリズムの性能を定量的に客観的に評価する比較研究を行う。 異なる視点と舗装型の画像を含むより包括的な舗装ひび割れデータセット(nha12d)を提案する。 比較実験では, 提案したデータセット (NHA12D) で収集, 評価された最大公的なひび割れデータセット上で, ひび割れ検出アルゴリズムを等しく訓練した。 全体としては、VGG-16をバックボーンとするU-Netモデルは、最高のオールアラウンド性能を持つが、一般的にはコンクリート接合部と亀裂を区別できず、偽陽性率が高い。 また, コンクリート舗装画像からの亀裂検出にも改善の余地があることが判明した。 コンクリート舗装画像のデータセットも文献に欠落している。 この領域の今後の方向性は、コンクリート舗装画像のギャップを埋めることと、未認識データセットの検出結果を強化するためにドメイン適応技術を使用することである。

関連論文リスト

• Deep Learning-Based Fatigue Cracks Detection in Bridge Girders using Feature Pyramid Networks [8.59780173800845]
  本研究では,橋梁の鋼箱桁のひび割れ情報を含む高分解能画像からの自動き裂分割手法を提案する。 亀裂のマルチスケールの特徴を考慮し, 亀裂検出のための特徴ピラミッドネットワーク(FPN)の畳み込みニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-10-28T16:16:15Z)
• UP-CrackNet: Unsupervised Pixel-Wise Road Crack Detection via Adversarial Image Restoration [23.71017765426465]
  本稿では,UP-CrackNet と呼ばれる非教師付き画素単位の道路亀裂検出ネットワークを提案する。 提案手法はまずマルチスケールの正方形マスクを生成し,特定領域を除去して無害道路画像をランダムに選別する。 生成的敵ネットワークは、周辺未破壊領域から学習した意味的文脈を活用することにより、腐敗した領域を復元するように訓練される。
  論文  参考訳（メタデータ） (2024-01-28T12:51:01Z)
• CarPatch: A Synthetic Benchmark for Radiance Field Evaluation on Vehicle Components [77.33782775860028]
  車両の新たな総合ベンチマークであるCarPatchを紹介する。 内在カメラパラメータと外在カメラパラメータを付加した画像のセットに加えて、各ビューに対して対応する深度マップとセマンティックセグメンテーションマスクが生成されている。 グローバルとパートベースのメトリクスは、いくつかの最先端技術を評価し、比較し、より良い特徴付けるために定義され、使われてきた。
  論文  参考訳（メタデータ） (2023-07-24T11:59:07Z)
• Application of Segment Anything Model for Civil Infrastructure Defect Assessment [0.15077212427453812]
  本研究では,コンクリート構造物のひび割れ検出のための2つの深層学習モデルSAMとU-Netの性能評価を行う。 その結果, それぞれのモデルには, 異なる種類のひび割れを検知する独自の強度と限界があることが示唆された。
  論文  参考訳（メタデータ） (2023-04-25T06:17:44Z)
• Unsupervised crack detection on complex stone masonry surfaces [0.0]
  本稿では,石造石垣のき裂検出手法について述べる。 提案手法では, RGB (Red Green Blue) 画像パッチの非教師付き異常検出問題として, き裂検出にアプローチする。
  論文  参考訳（メタデータ） (2023-03-31T12:07:23Z)
• Masked Images Are Counterfactual Samples for Robust Fine-tuning [77.82348472169335]
  微調整の深層学習モデルは、分布内(ID)性能と分布外(OOD)堅牢性の間のトレードオフにつながる可能性がある。 そこで本研究では,マスク付き画像を対物サンプルとして用いて,ファインチューニングモデルのロバスト性を向上させる新しいファインチューニング手法を提案する。
  論文  参考訳（メタデータ） (2023-03-06T11:51:28Z)
• CrackSeg9k: A Collection and Benchmark for Crack Segmentation Datasets and Frameworks [0.32029168522419355]
  ひび割れの検出は, 構造物の健全性を監視し, 構造物の安全性を確保する上で重要な課題である。 何人かの研究者が、従来の画像処理や学習ベースの技術を使ってこの問題に取り組みました。 これらの手法を評価するために使われる指標も文献によって異なるため、テクニックを比較するのが困難である。 本稿では、以前利用可能なデータセットを組み合わせてアノテーションを統合することで、これらの問題に対処する。
  論文  参考訳（メタデータ） (2022-08-27T16:47:04Z)
• Boosting Robustness of Image Matting with Context Assembling and Strong Data Augmentation [83.31087402305306]
  トリマップへのロバストさと、異なる領域の画像への一般化はまだ未定である。 マルチレベルコンテキストアッセンブルと強力なデータ拡張により高ロバスト性(RMat)を実現する画像マッチング手法を提案する。
  論文  参考訳（メタデータ） (2022-01-18T11:45:17Z)
• Robust Data Hiding Using Inverse Gradient Attention [82.73143630466629]
  データ隠蔽タスクでは、異なる耐久性を有するため、カバー画像の各ピクセルを別々に扱う必要がある。 Inverse Gradient Attention (IGA) を用いた新しい深層データ隠蔽方式を提案する。 実証的な実験により、提案モデルが2つの先行するデータセット上で最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2020-11-21T19:08:23Z)
• Robust Unsupervised Video Anomaly Detection by Multi-Path Frame Prediction [61.17654438176999]
  本稿では,フレーム予測と適切な設計による新規で頑健な非教師付きビデオ異常検出手法を提案する。 提案手法は,CUHK Avenueデータセット上で88.3%のフレームレベルAUROCスコアを得る。
  論文  参考訳（メタデータ） (2020-11-05T11:34:12Z)
• 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)

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。