Fugu-MT 論文翻訳(概要): Spatial-temporal Analysis for Automated Concrete Workability Estimation

論文の概要: Spatial-temporal Analysis for Automated Concrete Workability Estimation

arxiv url: http://arxiv.org/abs/2207.11635v1
Date: Sun, 24 Jul 2022 01:53:17 GMT
ステータス: 処理完了
システム内更新日: 2022-07-26 14:36:16.962050
Title: Spatial-temporal Analysis for Automated Concrete Workability Estimation
Title（参考訳）: 自動コンクリート作業性推定のための時空間解析
Authors: Litao Yu, Jian Zhang, Vute Sirivivatnanon, Ali Nezhad
Abstract要約: 具体的な混合過程を観察し,作業性を推定するために,コンピュータビジョン技術を適用しようとする。具体的には、ビデオデータを収集し、時空間回帰のために3つの異なるディープニューラルネットワークを構築しました。
参考スコア（独自算出の注目度）: 5.774457705431945
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Concrete workability measure is mostly determined based on subjective assessment of a certified assessor with visual inspections. The potential human error in measuring the workability and the resulting unnecessary adjustments for the workability is a major challenge faced by the construction industry, leading to significant costs, material waste and delay. In this paper, we try to apply computer vision techniques to observe the concrete mixing process and estimate the workability. Specifically, we collected the video data and then built three different deep neural networks for spatial-temporal regression. The pilot study demonstrates a practical application with computer vision techniques to estimate the concrete workability during the mixing process.
Abstract（参考訳）: 視覚検査を施した認定評価器の主観的評価に基づいて, 具体的な作業性尺度を決定する。作業性の測定における潜在的なヒューマンエラーと、作業性に対する不要な調整は、建設業界が直面する大きな課題であり、かなりのコスト、材料廃棄物、遅延をもたらす。本稿では, コンクリートの混合過程を観察し, 作業性を評価するために, コンピュータビジョン技術を適用しようとする。具体的には,映像データを収集し,空間-時間回帰のための3種類の深層ニューラルネットワークを構築した。実験では, 混合過程におけるコンクリートの作業性を評価するために, コンピュータビジョン技術を用いた実用的応用を実証した。

関連論文リスト

Concrete Surface Crack Detection with Convolutional-based Deep Learning Models [0.0]
き裂検出は、建物の構造的健康モニタリングと検査に重要である。畳み込みニューラルネットワーク(CNN)は、ひび割れ検出のための有望なフレームワークとして登場した。我々は、事前訓練されたディープラーニングアーキテクチャに微調整技術を採用する。
論文参考訳（メタデータ） (2024-01-13T17:31:12Z)
Surrogate Neural Networks Local Stability for Aircraft Predictive Maintenance [1.6703148532130556]
サロゲートニューラルネットワークは、計算的に要求されるエンジニアリングシミュレーションの代用として、産業で日常的に使用されている。性能と時間効率のため、これらのサロゲートモデルは安全クリティカルなアプリケーションでの使用のために開発されている。
論文参考訳（メタデータ） (2024-01-11T21:04:28Z)
Re-thinking Data Availablity Attacks Against Deep Neural Networks [53.64624167867274]
本稿では、未学習例の概念を再検討し、既存のロバストな誤り最小化ノイズが不正確な最適化目標であることを示す。本稿では,計算時間要件の低減による保護性能の向上を図った新しい最適化パラダイムを提案する。
論文参考訳（メタデータ） (2023-05-18T04:03:51Z)
Robustness in Fatigue Strength Estimation [61.85933973929947]
本稿では,疲労強度推定のためのモジュール型機械学習によるアプローチについて検討する。その可能性が高いにもかかわらず、現実の研究室に新しいアプローチを配置するには、理論的な定義とシミュレーション以上のものが必要である。我々は、その適用性と最先端手法に対する有利な振る舞いを特定し、コストのかかる実験の数を減少させる可能性がある。
論文参考訳（メタデータ） (2022-12-02T12:30:29Z)
Audio-Visual Object Classification for Human-Robot Collaboration [0.0]
本稿では,アルゴリズムの性能を評価するために,CORSMALチャレンジとデータセットを提案する。課題のタスクは、物体の質量、容量、寸法を推定することである。この課題の新たな特徴は、人間とロボットのハンドオーバにおける推定エラーの影響を可視化し、評価するための実シミュレーションフレームワークである。
論文参考訳（メタデータ） (2022-03-03T19:37:12Z)
Empirical Estimates on Hand Manipulation are Recoverable: A Step Towards Individualized and Explainable Robotic Support in Everyday Activities [80.37857025201036]
ロボットシステムの鍵となる課題は、他のエージェントの振る舞いを理解することである。正しい推論の処理は、(衝突)因子が実験的に制御されない場合、特に困難である。人に関する観察研究を行うために必要なツールをロボットに装備することを提案する。
論文参考訳（メタデータ） (2022-01-27T22:15:56Z)
A Deeper Look into DeepCap [96.67706102518238]
そこで本研究では,単分子密集型人間のパフォーマンスキャプチャのための新しい深層学習手法を提案する。本手法は,多視点監視に基づく弱教師付き方式で訓練されている。我々のアプローチは、品質と堅牢性の観点から、芸術の状態を上回ります。
論文参考訳（メタデータ） (2021-11-20T11:34:33Z)
Evaluating the Safety of Deep Reinforcement Learning Models using Semi-Formal Verification [81.32981236437395]
本稿では,区間分析に基づく半形式的意思決定手法を提案する。本手法は, 標準ベンチマークに比較して, 形式検証に対して比較結果を得る。提案手法は, 意思決定モデルにおける安全性特性を効果的に評価することを可能にする。
論文参考訳（メタデータ） (2020-10-19T11:18:06Z)
Deep learning models for predictive maintenance: a survey, comparison, challenges and prospect [0.3093890460224435]
世界中の産業データ空間が増加する中、ディープラーニングソリューションは予測的メンテナンスに人気になっている。この作業は、最先端のディープラーニングアーキテクチャをレビューすることで、このタスクを円滑にすることを目的としている。それらは産業アプリケーションの中で分類され、比較され、ギャップを埋める方法を説明しています。
論文参考訳（メタデータ） (2020-10-07T06:28:01Z)
DeepCap: Monocular Human Performance Capture Using Weak Supervision [106.50649929342576]
そこで本研究では,単分子密集型人間のパフォーマンスキャプチャのための新しい深層学習手法を提案する。本手法は,多視点監視に基づく弱教師付き方式で訓練されている。我々のアプローチは、品質と堅牢性の観点から、芸術の状態を上回ります。
論文参考訳（メタデータ） (2020-03-18T16:39:56Z)
Deep learning surrogate models for spatial and visual connectivity [0.0]
本稿では,空間の空間的および視覚的接続性を同定可能なモデルを作成するために機械学習を用いて,そのような計算集約シミュレーションの結果を大幅に高速化する可能性について検討する。本稿では、分散計算パイプラインを通した空間的および視覚的接続分析エンジンの導入から、トレーニングデータを合成し、異なるニューラルネットワークの性能を評価するプロセスに至るまで、さまざまな機械学習モデルとそのようなタスクでそれらを訓練するパイプラインの全体について述べる。
論文参考訳（メタデータ） (2019-12-29T09:17:19Z)

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。