論文の概要: CrackSeg9k: A Collection and Benchmark for Crack Segmentation Datasets and Frameworks

• arxiv url: http://arxiv.org/abs/2208.13054v1
• Date: Sat, 27 Aug 2022 16:47:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-30 13:51:10.562724
• Title: CrackSeg9k: A Collection and Benchmark for Crack Segmentation Datasets and Frameworks
• Title（参考訳）: crackseg9k: crack segmentationデータセットとフレームワークの収集とベンチマーク
• Authors: Shreyas Kulkarni, Shreyas Singh, Dhananjay Balakrishnan, Siddharth Sharma, Saipraneeth Devunuri, Sai Chowdeswara Rao Korlapati
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.32029168522419355
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: The detection of cracks is a crucial task in monitoring structural health and ensuring structural safety. The manual process of crack detection is time-consuming and subjective to the inspectors. Several researchers have tried tackling this problem using traditional Image Processing or learning-based techniques. However, their scope of work is limited to detecting cracks on a single type of surface (walls, pavements, glass, etc.). The metrics used to evaluate these methods are also varied across the literature, making it challenging to compare techniques. This paper addresses these problems by combining previously available datasets and unifying the annotations by tackling the inherent problems within each dataset, such as noise and distortions. We also present a pipeline that combines Image Processing and Deep Learning models. Finally, we benchmark the results of proposed models on these metrics on our new dataset and compare them with state-of-the-art models in the literature.
• Abstract（参考訳）: 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。 手動によるき裂検出のプロセスは時間がかかり、検査者に主観的である。 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んでいる。 しかし、その作業範囲は、一種類の表面(壁、舗装、ガラスなど)の亀裂を検出することに限定されている。 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,従来利用可能なデータセットと,ノイズや歪みといった各データセット内固有の問題に取り組むことにより,アノテーションを統一することで,これらの問題に対処する。 また,画像処理とディープラーニングモデルを組み合わせたパイプラインを提案する。 最後に、提案するモデルの結果を新しいデータセット上でベンチマークし、論文の中で最先端のモデルと比較する。

関連論文リスト

• Staircase Cascaded Fusion of Lightweight Local Pattern Recognition and Long-Range Dependencies for Structural Crack Segmentation [28.157401919910914]
  本稿では,最小限の計算資源を用いて高品質な亀裂分節マップを生成する階段型亀裂分節ネットワーク(CrackSCF)を提案する。 そこで我々は,局所的な亀裂パターンと画素の長距離依存性を効果的に捉えた階段列融合モジュールを構築した。 モデルが必要とする計算資源を削減するため,ネットワーク内のすべての畳み込み操作を置き換える軽量な畳み込みブロックを導入した。
  論文  参考訳（メタデータ） (2024-08-23T03:21:51Z)
• SINDER: Repairing the Singular Defects of DINOv2 [61.98878352956125]
  大規模なデータセットでトレーニングされたビジョントランスフォーマーモデルは、抽出したパッチトークンにアーティファクトを表示することが多い。 本稿では,小さなデータセットのみを用いて構造欠陥を補正するスムーズなスムーズな正規化を提案する。
  論文  参考訳（メタデータ） (2024-07-23T20:34:23Z)
• Reinforcing Pre-trained Models Using Counterfactual Images [54.26310919385808]
  本稿では,言語誘導型生成対実画像を用いた分類モデル強化のための新しいフレームワークを提案する。 逆ファクト画像データセットを用いてモデルをテストすることにより、モデルの弱点を同定する。 我々は、分類モデルを微調整し強化するために、デファクトイメージを拡張データセットとして採用する。
  論文  参考訳（メタデータ） (2024-06-19T08:07:14Z)
• Visual Context-Aware Person Fall Detection [52.49277799455569]
  画像中の個人とオブジェクトを半自動分離するセグメンテーションパイプラインを提案する。 ベッド、椅子、車椅子などの背景オブジェクトは、転倒検知システムに挑戦し、誤ったポジティブアラームを引き起こす。 トレーニング中のオブジェクト固有のコンテキスト変換が、この課題を効果的に軽減することを示す。
  論文  参考訳（メタデータ） (2024-04-11T19:06:36Z)
• 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 Discrepancy Aware Framework for Robust Anomaly Detection [51.710249807397695]
  本稿では,DAF(Disdisrepancy Aware Framework)を提案する。 本手法は,デコーダの欠陥同定に外見に依存しないキューを利用して,その合成外観への依存を緩和する。 単純な合成戦略の下では,既存の手法を大きなマージンで上回り,また,最先端のローカライゼーション性能も達成している。
  論文  参考訳（メタデータ） (2023-10-11T15:21:40Z)
• NHA12D: A New Pavement Crack Dataset and a Comparison Study Of Crack Detection Algorithms [1.3792760290422186]
  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。
  論文  参考訳（メタデータ） (2022-05-02T20:22:50Z)
• Building Inspection Toolkit: Unified Evaluation and Strong Baselines for Damage Recognition [0.0]
  損傷認識の分野において、関連するオープンソースデータセットを含むデータハブを簡易に使用するためのビルディングインスペクションツールキット -- bikit -- を紹介します。 データセットには評価分割と事前定義されたメトリクスが組み込まれており、特定のタスクとそのデータ分布に適合する。 この領域の研究者のモチベーションを高めるために、私たちはリーダーボードとモデルの重みをコミュニティと共有する可能性も提供します。
  論文  参考訳（メタデータ） (2022-02-14T20:05:59Z)
• What's Cracking? A Review and Analysis of Deep Learning Methods for Structural Crack Segmentation, Detection and Quantification [0.9449650062296824]
  本レビューは,ディープラーニングを利用したひび割れ解析アルゴリズムの分野における論文の概要を研究者に提供することを目的としている。 コンピュータビジョンアルゴリズムを適用して、構造的な健康モニタリング環境でひび割れを表面化することで解決される様々なタスクを概説する。 レビューではまた、クラックに使用される一般的なデータセットと、それらのアルゴリズムのパフォーマンスを評価するために使用されるメトリクスを強調している。
  論文  参考訳（メタデータ） (2022-02-08T08:22:26Z)
• Comprehensive Studies for Arbitrary-shape Scene Text Detection [78.50639779134944]
  ボトムアップに基づくシーンテキスト検出のための統合フレームワークを提案する。 統一されたフレームワークの下では、非コアモジュールの一貫性のある設定が保証されます。 包括的調査と精巧な分析により、以前のモデルの利点と欠点を明らかにしている。
  論文  参考訳（メタデータ） (2021-07-25T13:18:55Z)
• From ImageNet to Image Classification: Contextualizing Progress on Benchmarks [99.19183528305598]
  ImageNet作成プロセスにおける特定の設計選択が、結果のデータセットの忠実性に与える影響について検討する。 私たちの分析では、ノイズの多いデータ収集パイプラインが、結果のベンチマークと、それがプロキシとして機能する実世界のタスクとの間に、体系的なミスアライメントをもたらす可能性があることを指摘しています。
  論文  参考訳（メタデータ） (2020-05-22T17:39:16Z)

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。