論文の概要: Automatic Identification of Coal and Rock/Gangue Based on DenseNet and
Gaussian Process
- arxiv url: http://arxiv.org/abs/2208.14871v1
- Date: Wed, 31 Aug 2022 13:56:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-01 13:32:48.318300
- Title: Automatic Identification of Coal and Rock/Gangue Based on DenseNet and
Gaussian Process
- Title(参考訳): DenseNet と Gaussian プロセスに基づく石炭・岩・ガングの自動同定
- Authors: Yufan Li
- Abstract要約: 石炭の純度を高め、炭鉱機械の損傷を防ぐためには、地下炭鉱の石炭と岩を識別する必要がある。
本稿では,画像に基づく手法による識別の可能性について論じる。
DenseNetによって抽出された画像特徴をガウス過程に転送するモデルを提案し,地表で撮影した画像に基づいて訓練し,地下で撮影された画像に対して高い精度を実現する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: To improve the purity of coal and prevent damage to the coal mining machine,
it is necessary to identify coal and rock in underground coal mines. At the
same time, the mined coal needs to be purified to remove rock and gangue. These
two procedures are manually operated by workers in most coal mines. The
realization of automatic identification and purification is not only conducive
to the automation of coal mines, but also ensures the safety of workers. We
discuss the possibility of using image-based methods to distinguish them. In
order to find a solution that can be used in both scenarios, a model that
forwards image feature extracted by DenseNet to Gaussian process is proposed,
which is trained on images taken on surface and achieves high accuracy on
images taken underground. This indicates our method is powerful in few-shot
learning such as identification of coal and rock/gangue and might be beneficial
for realizing automation in coal mines.
- Abstract(参考訳): 石炭の純度を向上し、石炭採掘機の損傷を防止するためには、地下炭鉱における石炭と岩石の同定が必要である。
同時に、採掘された石炭は、岩や溝を取り除くために浄化する必要がある。
これら2つの手順は、ほとんどの炭鉱の労働者が手動で行う。
自動識別と浄化の実現は、炭鉱の自動化に寄与するだけでなく、労働者の安全を確保する。
画像に基づく手法による識別の可能性について議論する。
どちらのシナリオでも使用可能な解を見出すため,dungnet が抽出した画像特徴をgaussian プロセスに転送するモデルを提案し,地表で撮影された画像に基づいてトレーニングを行い,地下で撮影された画像の高精度化を実現する。
本手法は,石炭の同定や岩石・ガングの同定など,数発学習において強力であり,炭鉱の自動化を実現する上で有用であると考えられる。
関連論文リスト
- Bit-mask Robust Contrastive Knowledge Distillation for Unsupervised
Semantic Hashing [71.47723696190184]
セマンティックハッシュのための革新的なBit-mask Robust Contrastive Knowledge Distillation (BRCD)法を提案する。
BRCDはセマンティックハッシュモデルの蒸留のために特別に考案されている。
論文 参考訳(メタデータ) (2024-03-10T03:33:59Z) - Segmentation Framework for Heat Loss Identification in Thermal Images:
Empowering Scottish Retrofitting and Thermographic Survey Companies [3.663784777941382]
本研究では,Mask領域提案畳み込みニューラルネットワーク(Mask RCNN)を用いたディープラーニング(DL)に基づくセグメンテーションフレームワークを提案する。
本フレームワークの目的は, 弱い断熱によって引き起こされる熱損失源を同定し, かつ, それらの画像に存在する閉塞物を除去することである。
論文 参考訳(メタデータ) (2023-08-07T14:36:49Z) - Inpainting borehole images using Generative Adversarial Networks [0.0]
電線マイクロ抵抗画像ツールによるボアホール画像のギャップフィリングに対するGANに基づくアプローチを提案する。
提案手法では, 画像の欠落した領域を描画するために, ジェネレータ, グローバル判別器, ローカル判別器を利用する。
論文 参考訳(メタデータ) (2023-01-15T18:15:52Z) - Image-Based Fire Detection in Industrial Environments with YOLOv4 [53.180678723280145]
この研究は、AIが火災を検出し、認識し、画像ストリーム上のオブジェクト検出を使用して検出時間を短縮する可能性を検討する。
そこで我々は, YOLOv4オブジェクト検出器をベースとした複数のモデルのトレーニングと評価に使用されてきた複数の公開情報源から, 適切なデータを収集, ラベル付けした。
論文 参考訳(メタデータ) (2022-12-09T11:32:36Z) - Unsupervised Wildfire Change Detection based on Contrastive Learning [1.53934570513443]
山火事の深刻度を正確に評価することは, 火災発生地域における燃料条件のキャラクタリゼーションに寄与する。
本研究の目的は、高解像度マルチスペクトル衛星画像上に構築された自律システムを開発することである。
論文 参考訳(メタデータ) (2022-11-26T20:13:14Z) - Exploring Target Representations for Masked Autoencoders [78.57196600585462]
目的表現の注意深い選択は、よい表現を学ぶために不要であることを示す。
本研究では,多段階のマスク蒸留パイプラインを提案し,無作為なモデルを教師として利用する。
自己指導型自己指導法を非自明なマージンで上回り, 自己指導型教員(dBOT)によるマスク付き知識蒸留を行う手法を提案する。
論文 参考訳(メタデータ) (2022-09-08T16:55:19Z) - RustSEG -- Automated segmentation of corrosion using deep learning [0.0]
RustSEGは、トレーニングのためにピクセルごとのラベル付きデータセットを必要とせずに、自動腐食検出のための画像を正確に分割することができる。
理想的には、画像中の腐食の正確なマスクを生成することができ、画素ごとのトレーニングデータ無しで腐食の自動セグメンテーションが可能であることを示す。
論文 参考訳(メタデータ) (2022-05-11T11:48:02Z) - Adversarial purification with Score-based generative models [56.88185136509654]
本稿では,DSM(Denoising Score-Matching)を訓練したEMMに基づく新しい逆浄化法を提案する。
本稿では,画像にランダムノイズを注入する簡易で効果的なランダム化浄化手法を提案する。
精製法は様々な攻撃に対して堅牢であり,その最先端性能を示す。
論文 参考訳(メタデータ) (2021-06-11T04:35:36Z) - Deep Reinforcement Learning with Label Embedding Reward for Supervised
Image Hashing [85.84690941656528]
深層型ハッシュのための新しい意思決定手法を提案する。
我々はBose-Chaudhuri-Hocquenghem符号で定義された新しいラベル埋め込み報酬を用いて、深いQ-ネットワークを学ぶ。
我々の手法は、様々なコード長で最先端の教師付きハッシュ法より優れています。
論文 参考訳(メタデータ) (2020-08-10T09:17:20Z) - Circumventing Outliers of AutoAugment with Knowledge Distillation [102.25991455094832]
AutoAugmentは多くの視覚タスクの精度を向上させる強力なアルゴリズムである。
本論文は作業機構を深く掘り下げ,AutoAugmentがトレーニング画像から識別情報の一部を除去できることを明らかにする。
教師モデルの出力に言及した知識蒸留を用いて,ネットワークトレーニングの指導を行う。
論文 参考訳(メタデータ) (2020-03-25T11:51:41Z) - Automated detection of corrosion in used nuclear fuel dry storage
canisters using residual neural networks [1.5879005001715347]
本稿では,残留ニューラルネットワーク(ResNet)による腐食のリアルタイム検出を提案する。
提案手法は、核キャニスター画像を小さなタイルに分類し、これらのタイル上でResNetを訓練し、画像が腐食または無傷であると分類する。
その結果、このような深層学習手法により、より小さなタイルによる腐食の軌跡の検出が可能であり、同時に、画像が腐食したキャニスターから来るか否かを高精度に推定できることがわかった。
論文 参考訳(メタデータ) (2020-03-06T14:42:07Z)
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。