論文の概要: An annotated instance segmentation XXL-CT dataset from a historic airplane

• arxiv url: http://arxiv.org/abs/2212.08639v1
• Date: Fri, 16 Dec 2022 18:31:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-19 15:50:40.350327
• Title: An annotated instance segmentation XXL-CT dataset from a historic airplane
• Title（参考訳）: 歴史的航空機からのアノテーション付きインスタンスセグメンテーションXXL-CTデータセット
• Authors: Roland Gruber (1 and 2) and Nils Reims (1) and Andreas Hempfer (3) and Stefan Gerth (1) and Michael Salamon (1) and Thomas Wittenberg (1 and 2) ((1) Fraunhofer IIS, Fraunhofer Institute for Integrated Circuits IIS (2) Friedrich-Alexander-Universit\"at Erlangen-N\"urnberg, (3) Deutsches Museum, M\"unchen)
• Abstract要約: Me 163(Me 163)は、第二次世界大戦中のドイツ空軍の戦闘機。 工業用XXLコンピュータトモグラフィースキャナーを用いて全CT検査を行った。 インタラクティブなデータアノテーションとオブジェクトラベリングプロセスが確立されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Me 163 was a Second World War fighter airplane and a result of the German air force secret developments. One of these airplanes is currently owned and displayed in the historic aircraft exhibition of the Deutsches Museum in Munich, Germany. To gain insights with respect to its history, design and state of preservation, a complete CT scan was obtained using an industrial XXL-computer tomography scanner. Using the CT data from the Me 163, all its details can visually be examined at various levels, ranging from the complete hull down to single sprockets and rivets. However, while a trained human observer can identify and interpret the volumetric data with all its parts and connections, a virtual dissection of the airplane and all its different parts would be quite desirable. Nevertheless, this means, that an instance segmentation of all components and objects of interest into disjoint entities from the CT data is necessary. As of currently, no adequate computer-assisted tools for automated or semi-automated segmentation of such XXL-airplane data are available, in a first step, an interactive data annotation and object labeling process has been established. So far, seven 512 x 512 x 512 voxel sub-volumes from the Me 163 airplane have been annotated and labeled, whose results can potentially be used for various new applications in the field of digital heritage, non-destructive testing, or machine-learning. This work describes the data acquisition process of the airplane using an industrial XXL-CT scanner, outlines the interactive segmentation and labeling scheme to annotate sub-volumes of the airplane's CT data, describes and discusses various challenges with respect to interpreting and handling the annotated and labeled data.
• Abstract（参考訳）: me 163(me 163)は、第二次世界大戦中のドイツ空軍の戦闘機である。 これらの航空機の1機は現在ミュンヘンのドイツ博物館の歴史的な航空機展示会に展示されている。 産業用XXL-コンピュータトモグラフィースキャナーを用いて,その歴史,設計,保存状態に関する知見を得るため,完全なCTスキャンが得られた。 me 163のctデータを使用して、その詳細は完全な船体から単一のスプロケットやリベットまで、様々なレベルで視覚的に確認できる。 しかしながら、訓練された人間の観察者は、体積データをそのすべての部分と接続で識別し、解釈することができるが、飛行機と異なる部分の仮想的な分解は非常に望ましい。 それでもこれは、すべてのコンポーネントと関心のあるオブジェクトのインスタンスセグメンテーションをCTデータから切り離す必要があることを意味する。 現在、これらのXXL-エアプレーンデータの自動または半自動セグメンテーションのためのコンピュータ支援ツールは存在せず、第1段階としてインタラクティブなデータアノテーションとオブジェクトラベリングプロセスが確立されている。 これまでのところ、Me 163の7つの512 x 512 x 512のボクセルサブボリュームに注釈とラベルが付けられており、デジタル遺産、非破壊テスト、機械学習の分野で様々な新しい応用に利用できる可能性がある。 本研究は, 産業用XXL-CTスキャナーを用いて航空機のデータ取得過程を記述し, 航空機のCTデータのサブボリュームに注釈を付けるための対話型セグメンテーションとラベリングスキームを概説し, 注釈付きおよびラベル付きデータの解釈・処理に関する様々な課題を解説し, 議論する。

関連論文リスト

• RadGenome-Chest CT: A Grounded Vision-Language Dataset for Chest CT Analysis [56.57177181778517]
  RadGenome-Chest CTはCT-RATEに基づく大規模3次元胸部CT解釈データセットである。 私たちは、最新の強力なユニバーサルセグメンテーションと大きな言語モデルを活用して、元のデータセットを拡張します。
  論文  参考訳（メタデータ） (2024-04-25T17:11:37Z)
• Instance Segmentation XXL-CT Challenge of a Historic Airplane [0.0]
  歴史飛行機の事例XXL-CTチャレンジ」が行われた。 この課題は、異なる航空機部品の効率的なデライン化のための自動または対話的なインスタンスセグメンテーション手法を探究することであった。 本稿では,この課題の組織と成果を報告し,提案したセグメンテーション手法の能力と限界について述べる。
  論文  参考訳（メタデータ） (2024-02-05T11:47:45Z)
• SCANIA Component X Dataset: A Real-World Multivariate Time Series Dataset for Predictive Maintenance [0.7499722271664147]
  このデータセットには、詳細な運用データ、修理記録、トラックの仕様をキャプチャするさまざまな変数が含まれている。 分類、回帰、生存分析、異常検出などの機械学習応用に適している。 このデータセットをリリースする目的は、国際的に有名な企業の実際のデータを扱う可能性を、幅広い研究者に提供することである。
  論文  参考訳（メタデータ） (2024-01-26T20:51:55Z)
• Towards Unifying Anatomy Segmentation: Automated Generation of a Full-body CT Dataset via Knowledge Aggregation and Anatomical Guidelines [113.08940153125616]
  我々は533巻のボクセルレベルのラベルを142ドル(約1万2000円)で、全身CTスキャンのデータセットを作成し、解剖学的包括的カバレッジを提供する。 提案手法はラベル集約段階において手作業によるアノテーションに依存しない。 我々はCTデータに142ドルの解剖学的構造を予測できる統一解剖学的セグメンテーションモデルをリリースする。
  論文  参考訳（メタデータ） (2023-07-25T09:48:13Z)
• AircraftVerse: A Large-Scale Multimodal Dataset of Aerial Vehicle Designs [15.169540193173923]
  AircraftVerseには27,714種類の航空車両がある。 それぞれのデザインは、トポロジー推進サブシステム、バッテリーサブシステム、設計の詳細を記述する象徴的なデザインツリーで構成されている。 本稿では,設計性能の指標を予測するために,設計表現の異なるモダリティを用いたベースラインサロゲートモデルを提案する。
  論文  参考訳（メタデータ） (2023-06-08T21:07:15Z)
• Automatic Segmentation of Aircraft Dents in Point Clouds [0.0]
  本報告では, 自動歯列検査に向けた2つの展開について報告する。 1つ目は、完全な畳み込みニューラルネットワークをトレーニングするために、デント面の合成データセットを生成する方法である。 2つ目は、3Dポイントのクラウドを2.5Dに変換する戦略だ。
  論文  参考訳（メタデータ） (2022-05-03T16:48:31Z)
• Sketch and Scale: Geo-distributed tSNE and UMAP [75.44887265789056]
  地理的に分散したデータセット上で機械学習分析を実行することは、急速に発生する問題である。 私たちはSketch and Scale(SnS)という新しいフレームワークを紹介します。 これはCount Sketchデータ構造を利用して、エッジノード上のデータを圧縮し、マスターノード上の縮小サイズスケッチを集約し、サマリ上でバニラtSNEまたはUMAPを実行する。 我々は、この技術が完全に並列で、線形に時間にスケールし、メモリに対数的に分散し、通信し、世界中の複数のデータセンターにまたがる数百万、数十億のデータポイントでデータセットを解析できることを示す。
  論文  参考訳（メタデータ） (2020-11-11T22:32:21Z)
• Semi-Supervised Semantic Segmentation in Earth Observation: The MiniFrance Suite, Dataset Analysis and Multi-task Network Study [82.02173199363571]
  我々は,地球観測における半教師付きセマンティックセマンティックセグメンテーションのための新しい大規模データセット,MiniFranceスイートを紹介した。 MiniFranceにはいくつかの前例のない特性があり、2000以上の超高解像度の空中画像を含み、200億枚以上のサンプル(ピクセル)を処理している。 外観の類似性やMiniFranceデータの徹底的な研究からデータ代表性分析のためのツールを提案し,半教師付き環境での学習や一般化に適していることを示す。
  論文  参考訳（メタデータ） (2020-10-15T15:36:58Z)
• Perceiving Traffic from Aerial Images [86.994032967469]
  本研究では,空中画像中の物体を検出するために,バタフライ検出器と呼ばれる物体検出手法を提案する。 UAVDT(UAVDT)とVisDrone 2019(VisDrone 2019)の2つのUAVデータセット上でButterfly Detectorを評価し、従来の最先端の手法よりも高速に動作し、かつリアルタイムに動作可能であることを示す。
  論文  参考訳（メタデータ） (2020-09-16T11:37:43Z)
• RarePlanes: Synthetic Data Takes Flight [12.441700855896277]
  RarePlanesは、実画像と合成画像の両方を組み込んだ、ユニークなオープンソースの機械学習データセットである。 このデータセットは、コンピュータビジョンアルゴリズムが衛星画像中の航空機とその属性を自動的に検出する能力を支援するための合成データの価値に特化している。
  論文  参考訳（メタデータ） (2020-06-04T15:46:43Z)
• Occluded Prohibited Items Detection: an X-ray Security Inspection Benchmark and De-occlusion Attention Module [50.75589128518707]
  我々はOPIXrayというセキュリティ検査のための最初の高品質なオブジェクト検出データセットをコントリビュートする。 OPIXrayは、空港のプロの検査官が手動で注記した「カッター」に焦点をあてた。 本稿では,プラグイン・アンド・プレイモジュールであるデオクルージョン・アテンション・モジュール(DOAM)を提案する。
  論文  参考訳（メタデータ） (2020-04-18T16:10:55Z)

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。