論文の概要: Tetris-inspired detector with neural network for radiation mapping
- arxiv url: http://arxiv.org/abs/2302.07099v1
- Date: Tue, 7 Feb 2023 22:17:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 14:23:04.721600
- Title: Tetris-inspired detector with neural network for radiation mapping
- Title（参考訳）: 放射線マッピングのためのニューラルネットワークを用いたテトリス誘発検出器
- Authors: Ryotaro Okabe (1 and 2), Shangjie Xue (1 and 3 and 4), Jiankai Yu (3),
Tongtong Liu (1 and 5), Benoit Forget (3), Stefanie Jegelka (4), Gordon Kohse
(6), Lin-wen Hu (6), and Mingda Li (1 and 3) ((1) Quantum Measurement Group,
Massachusetts Institute of Technology, Cambridge, MA, USA, (2) Department of
Chemistry, Massachusetts Institute of Technology, Cambridge, MA, USA, (3)
Department of Nuclear Science and Engineering, Massachusetts Institute of
Technology, Cambridge, MA, USA, (4) Department of Electrical Engineering and
Computer Science, Massachusetts Institute of Technology, Cambridge, MA, USA,
(5) Department of Physics, Massachusetts Institute of Technology, Cambridge,
MA, USA, (6) Nuclear Reactor Laboratory, Massachusetts Institute of
Technology, Cambridge, MA, USA)
- Abstract要約: 本稿では,テトリスにインスパイアされた検出器画素と,放射マッピングのための機械学習を用いたフレームワークを提案する。
画素間パディングを用いて、画素とニューラルネットワークのコントラストを増大させ、検出器の読み取りを分析することで、最大4ピクセルの検出器が高解像度の指向性マッピングを実現することができる。
非正方形テトリス型検出器は、従来の格子型検出器よりも性能を向上することができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent years, radiation mapping has attracted widespread research
attention and increased public concerns on environmental monitoring. In terms
of both materials and their configurations, radiation detectors have been
developed to locate the directions and positions of the radiation sources. In
this process, algorithm is essential in converting detector signals to
radiation source information. However, due to the complex mechanisms of
radiation-matter interaction and the current limitation of data collection,
high-performance, low-cost radiation mapping is still challenging. Here we
present a computational framework using Tetris-inspired detector pixels and
machine learning for radiation mapping. Using inter-pixel padding to increase
the contrast between pixels and neural network to analyze the detector
readings, a detector with as few as four pixels can achieve high-resolution
directional mapping. By further imposing Maximum a Posteriori (MAP) with a
moving detector, further radiation position localization is achieved.
Non-square, Tetris-shaped detector can further improve performance beyond the
conventional grid-shaped detector. Our framework offers a new avenue for high
quality radiation mapping with least number of detector pixels possible, and is
anticipated to be capable to deploy for real-world radiation detection with
moderate validation.
- Abstract（参考訳）: 近年,放射線マッピングの研究が盛んになり,環境モニタリングへの関心が高まっている。
材料とその構成の観点からは、放射源の方向と位置を特定するために放射線検出器が開発された。
この過程では、検出器信号から放射源情報への変換にはアルゴリズムが不可欠である。
しかし、放射物質相互作用の複雑なメカニズムとデータ収集の現在の制限のため、高性能で低コストな放射線マッピングは依然として困難である。
本稿では,テトリスに触発された検出器画素と放射能マッピングのための機械学習を用いた計算フレームワークを提案する。
ピクセル間のパディングを使用してピクセルとニューラルネットワーク間のコントラストを増加させ、検出器の読み取りを分析することで、4ピクセル未満の検出器は高分解能の方向マッピングを実現することができる。
さらに移動検出器でポストエリオーリ(MAP)を最大値にすることで、さらなる放射線位置の定位が達成される。
非正方形テトリス型検出器は、従来の格子型検出器よりも性能を向上することができる。
提案手法は,検出器画素数を最小にすることで,高品質な放射線マッピングを実現するための新たな手段を提供し,適度なバリデーションで実世界の放射線検出に展開できることが期待されている。
関連論文リスト
- Enabling Visual Recognition at Radio Frequency [13.399148413043411]
PanoRadarは、RF分解能をLiDARに近づける新しいRFイメージングシステムである。
結果は、初めて、無線周波数での様々な視覚的認識タスクを可能にします。
以上の結果から,パノラダルの12棟の建物における堅牢な性能が示された。
論文 参考訳（メタデータ） (2024-05-29T20:52:59Z) - Pano-NeRF: Synthesizing High Dynamic Range Novel Views with Geometry
from Sparse Low Dynamic Range Panoramic Images [82.1477261107279]
そこで本研究では,Sparse LDRパノラマ画像からの照射場を用いて,忠実な幾何復元のための観測回数を増やすことを提案する。
実験により、照射場は幾何復元とHDR再構成の両方において最先端の手法より優れていることが示された。
論文 参考訳（メタデータ） (2023-12-26T08:10:22Z) - Trash to Treasure: Low-Light Object Detection via
Decomposition-and-Aggregation [76.45506517198956]
低照度シナリオにおけるオブジェクト検出は、ここ数年で多くの注目を集めています。
主流で代表的なスキームは、レギュラー検出器の前処理としてエンハンサーを導入している。
本研究では,エンハンサー+検出器のポテンシャルを喚起する。
論文 参考訳（メタデータ） (2023-09-07T08:11:47Z) - Detecting the Sensing Area of A Laparoscopic Probe in Minimally Invasive
Cancer Surgery [6.0097646269887965]
外科腫瘍学では、外科医がリンパ節を同定し、がんを完全に切除することは困難である。
新しいテザリングラパロスコープガンマ検出器を用いて、術前に注入された放射線を局在させる。
ガンマ活動の可視化は、プローブが非イメージングであり、組織表面の活性を視覚的に示さないため、オペレーターに提示することが困難である。
論文 参考訳（メタデータ） (2023-07-07T15:33:49Z) - Improving Radioactive Material Localization by Leveraging Cyber-Security
Model Optimizations [1.2835555561822447]
現在の検出方法はコストがかかり、使用が遅く、複雑、変化、あるいは新しい環境では不正確であることが多い。
マルウェア検出などのサイバードメインで成功した機械学習手法が、物理的空間検出を大幅に強化するためにどのように活用できるかを示す。
MLに基づくアプローチは、角方向の予測において従来のテーブルベースのアプローチをはるかに上回ることを示す。
論文 参考訳（メタデータ） (2022-02-21T17:35:58Z) - Using Machine Learning for Anomaly Detection on a System-on-Chip under
Gamma Radiation [1.920987512094627]
TID(Total Ionizing Dose)効果のような放射線は、ナノスケールの電子機器に永続的な損傷を与えることが多い。
本稿では、消費者電子レベルのField Programmable Gate Arrays(FPGA)における機械学習アルゴリズムを用いて、TID効果に対処し、動作停止前にそれを監視することに焦点を当てる。
論文 参考訳（メタデータ） (2022-01-05T13:02:55Z) - Radio-Assisted Human Detection [61.738482870059805]
本稿では,無線情報を最先端検出手法に組み込んだ無線支援人体検知フレームワークを提案する。
我々は、人検出を支援するために、無線信号から無線の局部化と識別情報を抽出する。
シミュレーション可能なMicrosoft COCOデータセットとCaltechの歩行者データセットの実験では、平均平均精度(mAP)とミスレートが、無線情報を用いて改善できることが示されている。
論文 参考訳（メタデータ） (2021-12-16T09:53:41Z) - Radiation-Induced Dark Counts for Silicon Single-Photon Detectors in
Space [55.41644538483948]
イオン化放射線による検出器の材料格子の変位損傷は、検出器の永久的な暗カウントの増加をもたらす。
高高度の核爆発が発生した場合、爆発によって生成された人工放射線帯は、低軌道衛星のシリコン単光子検出器に過度に損傷を与える。
論文 参考訳（メタデータ） (2021-11-17T22:36:41Z) - Infrared Small-Dim Target Detection with Transformer under Complex
Backgrounds [155.388487263872]
変換器を用いた赤外線小径目標検出手法を提案する。
画像特徴の相互作用情報をより広い範囲で学習するために,変換器の自己認識機構を採用する。
最小限のターゲットの機能を学習するための機能拡張モジュールも設計しています。
論文 参考訳（メタデータ） (2021-09-29T12:23:41Z) - Deep Learning Based Defect Detection for Solder Joints on Industrial
X-Ray Circuit Board Images [14.139826850432339]
本稿では,PCBの品質検査において,X線画像に基づく品質管理にディープラーニングが組み込まれている。
2つの人工知能(AI)に基づくモデルが提案され、関節欠陥検出のために比較される。
提案手法の有効性は,実世界の3次元X線データセットを用いて実験的に検証した。
論文 参考訳（メタデータ） (2020-08-06T12:25:18Z) - Exploring Thermal Images for Object Detection in Underexposure Regions
for Autonomous Driving [67.69430435482127]
アンダーエクスポージャー地域は、安全な自動運転のための周囲の完全な認識を構築するのに不可欠である。
サーマルカメラが利用可能になったことで、他の光学センサーが解釈可能な信号を捉えていない地域を探索するための重要な代替手段となった。
本研究は,可視光画像から熱画像へ学習を伝達するためのスタイル伝達手法を用いたドメイン適応フレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-01T09:59:09Z)
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。