論文の概要: Underground Diagnosis Based on GPR and Learning in the Model Space
- arxiv url: http://arxiv.org/abs/2211.15480v1
- Date: Fri, 25 Nov 2022 07:28:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-29 18:57:52.476521
- Title: Underground Diagnosis Based on GPR and Learning in the Model Space
- Title(参考訳): モデル空間におけるgprと学習に基づく地下診断
- Authors: Ao Chen, Xiren Zhou, Yizhan Fan, Huanhuan Chen
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 17.738464689511773
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Ground Penetrating Radar (GPR) has been widely used in pipeline detection and
underground diagnosis. In practical applications, the characteristics of the
GPR data of the detected area and the likely underground anomalous structures
could be rarely acknowledged before fully analyzing the obtained GPR data,
causing challenges to identify the underground structures or abnormals
automatically. In this paper, a GPR B-scan image diagnosis method based on
learning in the model space is proposed. The idea of learning in the model
space is to use models fitted on parts of data as more stable and parsimonious
representations of the data. For the GPR image, 2-Direction Echo State Network
(2D-ESN) is proposed to fit the image segments through the next item
prediction. By building the connections between the points on the image in both
the horizontal and vertical directions, the 2D-ESN regards the GPR image
segment as a whole and could effectively capture the dynamic characteristics of
the GPR image. And then, semi-supervised and supervised learning methods could
be further implemented on the 2D-ESN models for underground diagnosis.
Experiments on real-world datasets are conducted, and the results demonstrate
the effectiveness of the proposed model.
- Abstract(参考訳): 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。
実用化においては,gprデータを完全に解析する前に検出領域のgprデータとおそらくは地下異常構造の特性が認識されることは稀であり,地下構造や異常を自動的に同定することが困難となる。
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。
モデル空間での学習の考え方は、データのより安定的で控えめな表現として、データの一部に適合したモデルを使用することである。
GPR画像に対しては,次の項目の予測を通じて画像セグメントに適合する2次元エコー状態ネットワーク(2D-ESN)を提案する。
水平方向と垂直方向の両方で画像上の点間の接続を構築することにより、2D-ESNはGPR画像セグメント全体を考慮し、GPR画像の動的特性を効果的に捉えることができる。
そして、地下診断のための2D-ESNモデルに、半教師付きおよび教師付き学習法をさらに実装することができる。
実世界のデータセットの実験を行い,提案モデルの有効性を実証した。
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) - S2RC-GCN: A Spatial-Spectral Reliable Contrastive Graph Convolutional Network for Complex Land Cover Classification Using Hyperspectral Images [10.579474650543471]
本研究ではS2RC-GCNという新しい空間スペクトル信頼性コントラストグラフ畳み込み分類フレームワークを提案する。
具体的には、1Dエンコーダと2Dエンコーダによって抽出されたスペクトルと空間の特徴を融合させ、2Dエンコーダは重要な情報を自動抽出するアテンションモデルを含む。
次に、融合した高次特徴を活用してグラフを構築し、結果のグラフをGCNに供給し、より効率的なグラフ表現を決定する。
論文 参考訳(メタデータ) (2024-04-01T07:17:02Z) - Improving the Anomaly Detection in GPR Images by Fine-Tuning CNNs with
Synthetic Data [15.135116675531574]
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。
論文 参考訳(メタデータ) (2022-10-21T09:25:15Z) - SQUID: Deep Feature In-Painting for Unsupervised Anomaly Detection [76.01333073259677]
無線画像からの異常検出のための空間認識型メモリキューを提案する(略してSQUID)。
SQUIDは, 微細な解剖学的構造を逐次パターンに分類でき, 推測では画像中の異常(見えない/修正されたパターン)を識別できる。
論文 参考訳(メタデータ) (2021-11-26T13:47:34Z) - PSGR: Pixel-wise Sparse Graph Reasoning for COVID-19 Pneumonia
Segmentation in CT Images [83.26057031236965]
画像中の新型コロナウイルス感染領域セグメンテーションの長距離依存性のモデリングを強化するために,PSGRモジュールを提案する。
PSGRモジュールは不正確なピクセルからノードへの投影を回避し、グローバルな推論のために各ピクセル固有の情報を保存する。
このソリューションは、3つの公開データセット上の4つの広く使われているセグメンテーションモデルに対して評価されている。
論文 参考訳(メタデータ) (2021-08-09T04:58:23Z) - 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) - Cross-Modality Brain Tumor Segmentation via Bidirectional
Global-to-Local Unsupervised Domain Adaptation [61.01704175938995]
本論文では,UDAスキームに基づくBiGL(Bidirectional Global-to-Local)適応フレームワークを提案する。
具体的には、脳腫瘍をセグメント化するために、双方向画像合成およびセグメンテーションモジュールを提案する。
提案手法は, 最先端の非教師なし領域適応法を大きなマージンで上回っている。
論文 参考訳(メタデータ) (2021-05-17T10:11:45Z) - 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) - Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
論文 参考訳(メタデータ) (2020-10-14T16:50:50Z) - High-Order Information Matters: Learning Relation and Topology for
Occluded Person Re-Identification [84.43394420267794]
本稿では,高次関係とトポロジ情報を識別的特徴とロバストなアライメントのために学習し,新しい枠組みを提案する。
我々のフレームワークはOccluded-Dukeデータセットで最先端の6.5%mAPスコアを大幅に上回っている。
論文 参考訳(メタデータ) (2020-03-18T12:18:35Z)
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。