論文の概要: Improving the Anomaly Detection in GPR Images by Fine-Tuning CNNs with Synthetic Data

• arxiv url: http://arxiv.org/abs/2210.11833v1
• Date: Fri, 21 Oct 2022 09:25:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-24 13:41:25.754060
• Title: Improving the Anomaly Detection in GPR Images by Fine-Tuning CNNs with Synthetic Data
• Title（参考訳）: 合成データを用いた微調整CNNによるGPR画像の異常検出の改善
• Authors: Xiren Zhou, Shikang Liu, Ao Chen, Yizhan Fan, and Huanhuan Chen
• Abstract要約: グラウンド・ペネトレーション・レーダー(GPR)は、いくつかの都市道路や地下施設の健全な運転を推定するために広く利用されている。 地表面の異常をGPRで特定する場合、得られたデータは不均衡にすることができる。 GPRBスキャン画像からの地表面異常検出を改善するために,新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 15.135116675531574
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ground Penetrating Radar (GPR) has been widely used to estimate the healthy operation of some urban roads and underground facilities. When identifying subsurface anomalies by GPR in an area, the obtained data could be unbalanced, and the numbers and types of possible underground anomalies could not be acknowledged in advance. In this paper, a novel method is proposed to improve the subsurface anomaly detection from GPR B-scan images. A normal (i.e. without subsurface objects) GPR image section is firstly collected in the detected area. Concerning that the GPR image is essentially the representation of electromagnetic (EM) wave and propagation time, and to preserve both the subsurface background and objects' details, the normal GPR image is segmented and then fused with simulated GPR images that contain different kinds of objects to generate the synthetic data for the detection area based on the wavelet decompositions. Pre-trained CNNs could then be fine-tuned with the synthetic data, and utilized to extract features of segmented GPR images subsequently obtained in the detection area. The extracted features could be classified by the one-class learning algorithm in the feature space without pre-set anomaly types or numbers. The conducted experiments demonstrate that fine-tuning the pre-trained CNN with the proposed synthetic data could effectively improve the feature extraction of the network for the objects in the detection area. Besides, the proposed method requires only a section of normal data that could be easily obtained in the detection area, and could also meet the timeliness requirements in practical applications.
• Abstract（参考訳）: グラウンド・ペネトレーション・レーダー(GPR)は、いくつかの都市道路や地下施設の健全な運転を推定するために広く利用されている。 地域内におけるgprによる地下異常を同定する場合、得られたデータは不均衡となり、地下異常の可能性のある数や種類は事前に認識できなかった。 本稿では,GPR Bスキャン画像からの地表面異常検出を改善するために,新しい手法を提案する。 検出された領域に、まず、正常(即ち、表面下対象のない)GPR画像部を収集する。 GPR画像は基本的に電磁(EM)波と伝播時間の表現であり、地中背景と物体の詳細の両方を保持するため、正常なGPR画像を分割し、異なる種類の物体を含む模擬GPR画像と融合させ、ウェーブレット分解に基づいて検出領域の合成データを生成する。 事前学習したCNNを合成データで微調整し、検出領域で得られたセグメント化されたGPR画像の特徴を抽出する。 抽出された特徴は、事前設定された異常な型や数字なしで特徴空間の1クラス学習アルゴリズムによって分類することができる。 提案する合成データを用いて事前学習したcnnを微調整することで,検出領域の物体に対するネットワークの特徴抽出を効果的に改善できることを実証した。 また,本提案手法では,検出領域で容易に取得可能な正規データの一部のみを必要とし,実用アプリケーションにおけるタイムライン要求を満たすことができる。

関連論文リスト

• Underground Mapping and Localization Based on Ground-Penetrating Radar [11.737279515161505]
  本稿では,GPRセンサからのBスキャン画像を利用して,深部畳み込みニューラルネットワークに基づくパラボラ信号検出ネットワークを提案する。 検出されたキーポイントは、元のGPR Bスキャン画像をオブジェクトモデルの断面として解釈するのに使用されるパラボラ曲線を正確に適合させるのに役立つ。 未知の場所では、GPRのAスキャンデータを使用して、構築された地図内の対応するAスキャンデータとマッチングし、その位置をピンポイントして、モデルによる地図構築の精度を検証する。
  論文  参考訳（メタデータ） (2024-09-24T20:26:16Z)
• Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
  本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。 実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
  論文  参考訳（メタデータ） (2024-08-28T10:07:17Z)
• Spatial-aware Attention Generative Adversarial Network for Semi-supervised Anomaly Detection in Medical Image [63.59114880750643]
  本稿では,一級半教師付き健康画像生成のための空間意識生成ネットワーク(SAGAN)について紹介する。 SAGANは、正常な画像の復元と擬似異常画像の復元によって導かれる、ラベルのないデータに対応する高品質な健康画像を生成する。 3つの医学データセットに対する大規模な実験は、提案されたSAGANが最先端の手法よりも優れていることを示した。
  論文  参考訳（メタデータ） (2024-05-21T15:41:34Z)
• Rethinking the Up-Sampling Operations in CNN-based Generative Network for Generalizable Deepfake Detection [86.97062579515833]
  我々は、アップサンプリング操作から生じる一般化された構造的アーティファクトをキャプチャし、特徴付ける手段として、NPR(Neighboring Pixel Relationships)の概念を紹介した。 tft28の異なる生成モデルによって生成されたサンプルを含む、オープンワールドデータセット上で包括的な分析を行う。 この分析は、新しい最先端のパフォーマンスを確立し、既存の手法よりも優れたtft11.6%の向上を示している。
  論文  参考訳（メタデータ） (2023-12-16T14:27:06Z)
• DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
  本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。 画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2023-12-11T18:38:28Z)
• Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
  本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。 これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。 高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
  論文  参考訳（メタデータ） (2023-08-24T12:32:46Z)
• Underground Diagnosis Based on GPR and Learning in the Model Space [17.738464689511773]
  地中レーダ(GPR)はパイプライン検出や地下診断に広く用いられている。 本稿では,モデル空間における学習に基づくGPR Bスキャン画像診断手法を提案する。
  論文  参考訳（メタデータ） (2022-11-25T07:28:27Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• Robotic Inspection and 3D GPR-based Reconstruction for Underground Utilities [11.601407791322327]
  地中貫入レーダ (GPR) は、地中物体を検査・調査するための有効な非破壊評価(NDE)装置である。 GPRデータ収集の現在のプラクティスは、事前にマークされたグリッド線に沿ってGPRカートを動かすために、人間のインスペクタを必要とする。 本稿では,GPRデータの収集,GPRデータの解釈,地下ユーティリティのローカライズ,地下オブジェクトの高密度点雲モデルの再構築と可視化を行う新しいロボットシステムを提案する。
  論文  参考訳（メタデータ） (2021-06-03T14:58:49Z)
• The Deep Radial Basis Function Data Descriptor (D-RBFDD) Network: A One-Class Neural Network for Anomaly Detection [7.906608953906889]
  異常検出は機械学習において難しい問題である。 放射状基底関数データ記述子(rbfdd)ネットワークは異常検出に有効なソリューションである。 本稿では,RBFDDネットワークを改良して深層一級分類器に変換する手法について検討する。
  論文  参考訳（メタデータ） (2021-01-29T15:15:17Z)
• GPR-based Model Reconstruction System for Underground Utilities Using GPRNet [12.334006660346935]
  地中貫入レーダ(GPR)は、地中物を検出し、位置を特定するための最も重要な非破壊評価(NDE)機器の一つである。 従来の研究では、GPR画像に基づく特徴検出のみに焦点が当てられており、粗いGPR測定を処理して、より詳細な地下物体の3Dモデルを再構築することは不可能である。 本稿では,GPRデータを収集し,地下ユーティリティをローカライズし,地下オブジェクトの高密度点クラウドモデルを再構築する,新しいロボットシステムを提案する。
  論文  参考訳（メタデータ） (2020-11-05T03:26:01Z)

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。