論文の概要: Automated crack propagation measurement on asphalt concrete specimens using an optical flow-based deep neural network

• arxiv url: http://arxiv.org/abs/2303.05957v1
• Date: Fri, 10 Mar 2023 14:45:37 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-13 14:43:47.666362
• Title: Automated crack propagation measurement on asphalt concrete specimens using an optical flow-based deep neural network
• Title（参考訳）: 光フロー型深層ニューラルネットワークを用いたアスファルトコンクリート試料のき裂進展自動測定
• Authors: Zehui Zhu and Imad L. Al-Qadi
• Abstract要約: 本稿では,アスファルトコンクリート(AC)試料のひび割れ伝播を測定するディープニューラルネットワーク,すなわちCrackPropNetを提案する。 CrackPropNetは、参照画像とデフォルメ画像の様々な場所で特徴を一致させて、変位場不連続の位置を学習する。 ひび割れ現象の特徴付け、交流き裂ポテンシャルの評価、試験プロトコルの検証、理論モデルの検証に応用できる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This article proposes a deep neural network, namely CrackPropNet, to measure crack propagation on asphalt concrete (AC) specimens. It offers an accurate, flexible, efficient, and low-cost solution for crack propagation measurement using images collected during cracking tests. CrackPropNet significantly differs from traditional deep learning networks, as it involves learning to locate displacement field discontinuities by matching features at various locations in the reference and deformed images. An image library representing the diversified cracking behavior of AC was developed for supervised training. CrackPropNet achieved an optimal dataset scale F-1 of 0.755 and optimal image scale F-1 of 0.781 on the testing dataset at a running speed of 26 frame-per-second. Experiments demonstrated that low to medium-level Gaussian noises had a limited impact on the measurement accuracy of CrackPropNet. Moreover, the model showed promising generalization on fundamentally different images. As a crack measurement technique, the CrackPropNet can detect complex crack patterns accurately and efficiently in AC cracking tests. It can be applied to characterize the cracking phenomenon, evaluate AC cracking potential, validate test protocols, and verify theoretical models.
• Abstract（参考訳）: 本稿では, アスファルトコンクリート(ac)試料のひび割れ伝播を計測する深層ニューラルネットワーク, crackpropnetを提案する。 クラック試験中に収集した画像を用いてき裂伝播を測定するための正確で柔軟、効率的、低コストのソリューションを提供する。 crackpropnetは従来のディープラーニングネットワークとは大きく異なり、参照画像と変形画像のさまざまな場所の特徴をマッチングすることで、変位フィールドの不連続性を学習する。 教師あり訓練のために交流の多様なき裂挙動を表す画像ライブラリを開発した。 CrackPropNetは、テストデータセット上で、最適なデータセットスケールF-1の0.755と最適な画像スケールF-1の0.781を毎秒26フレームで達成した。 実験により、低レベルから中レベルのガウスノイズはクラックプロップネットの測定精度に限られた影響を示した。 さらに,本モデルは,基本的に異なる画像に対する有望な一般化を示した。 き裂測定技術として、ACき裂試験において複雑なき裂パターンを高精度かつ効率的に検出できる。 ひび割れ現象の特徴付け、交流き裂ポテンシャルの評価、試験プロトコルの検証、理論モデルの検証に応用できる。

関連論文リスト

• Deep Learning-Based Fatigue Cracks Detection in Bridge Girders using Feature Pyramid Networks [8.59780173800845]
  本研究では,橋梁の鋼箱桁のひび割れ情報を含む高分解能画像からの自動き裂分割手法を提案する。 亀裂のマルチスケールの特徴を考慮し, 亀裂検出のための特徴ピラミッドネットワーク(FPN)の畳み込みニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-10-28T16:16:15Z)
• Fast and Reliable Probabilistic Reflectometry Inversion with Prior-Amortized Neural Posterior Estimation [73.81105275628751]
  リフレクションメトリデータと互換性のある全ての構造を見つけることは、標準アルゴリズムでは計算が禁止される。 この信頼性の欠如に対処するため,確率論的深層学習法を用いて,現実的な構造を数秒で識別する。 提案手法は,シミュレーションに基づく推論と新しい適応型事前推定を併用する。
  論文  参考訳（メタデータ） (2024-07-26T10:29:16Z)
• SINDER: Repairing the Singular Defects of DINOv2 [61.98878352956125]
  大規模なデータセットでトレーニングされたビジョントランスフォーマーモデルは、抽出したパッチトークンにアーティファクトを表示することが多い。 本稿では,小さなデータセットのみを用いて構造欠陥を補正するスムーズなスムーズな正規化を提案する。
  論文  参考訳（メタデータ） (2024-07-23T20:34:23Z)
• WiNet: Wavelet-based Incremental Learning for Efficient Medical Image Registration [68.25711405944239]
  深部画像登録は異常な精度と高速な推測を示した。 近年の進歩は、粗大から粗大の方法で密度変形場を推定するために、複数のカスケードまたはピラミッドアーキテクチャを採用している。 本稿では,様々なスケールにわたる変位/速度場に対して,スケールワイブレット係数を漸進的に推定するモデル駆動WiNetを提案する。
  論文  参考訳（メタデータ） (2024-07-18T11:51:01Z)
• Crack Detection of Asphalt Concrete Using Combined Fracture Mechanics and Digital Image Correlation [0.0]
  ひび割れはアスファルトコンクリート(AC)舗装の一般的な故障モードである。 本稿では,2次元ディジタル画像相関(DIC)を用いた交流検体の表面き裂検出フレームワークを提案する。 この枠組みは、交流き裂現象の特徴付け、破壊特性の評価、アスファルト混合試験プロトコルの評価、理論モデルの開発に応用できる。
  論文  参考訳（メタデータ） (2023-05-08T21:28:40Z)
• Convolutional neural networks for crack detection on flexible road pavements [0.0]
  本研究では, ひび割れ検出を目的とした6つの最先端畳み込みニューラルネットワークモデルの比較を行った。 最高記録の精度は98%で、ResNetとVGG16モデルによって達成された。
  論文  参考訳（メタデータ） (2023-04-06T08:46:30Z)
• Masked Images Are Counterfactual Samples for Robust Fine-tuning [77.82348472169335]
  微調整の深層学習モデルは、分布内(ID)性能と分布外(OOD)堅牢性の間のトレードオフにつながる可能性がある。 そこで本研究では,マスク付き画像を対物サンプルとして用いて,ファインチューニングモデルのロバスト性を向上させる新しいファインチューニング手法を提案する。
  論文  参考訳（メタデータ） (2023-03-06T11:51:28Z)
• Learning a Model-Driven Variational Network for Deformable Image Registration [89.9830129923847]
  VR-Netは、教師なしの変形可能な画像登録のための新しいカスケード可変ネットワークである。 登録精度において最先端のディープラーニング手法よりも優れています。 ディープラーニングの高速推論速度と変分モデルのデータ効率を維持している。
  論文  参考訳（メタデータ） (2021-05-25T21:37:37Z)
• Detection Of Concrete Cracks using Dual-channel Deep Convolutional Network [0.0]
  本研究では, 深部畳み込みニューラルネットワーク(CNN)を用いたひび割れ検出手法を提案する。 コンクリートクラックを用いた3200枚のラベル付き画像データベースが作成されており, コントラスト, 照明条件, 方向, ひび割れの重症度は極めて多様であった。 我々は,両チャネル深部CNNを設計し,高い精度(92.25%)と現実的状況におけるコンクリートのひび割れ発見の堅牢性を示した。
  論文  参考訳（メタデータ） (2020-09-22T15:17:02Z)
• Salvage Reusable Samples from Noisy Data for Robust Learning [70.48919625304]
  本稿では,Web画像を用いた深部FGモデルのトレーニングにおいて,ラベルノイズに対処するための再利用可能なサンプル選択と修正手法を提案する。 私たちのキーとなるアイデアは、再利用可能なサンプルの追加と修正を行い、それらをクリーンな例とともに活用してネットワークを更新することです。
  論文  参考訳（メタデータ） (2020-08-06T02:07:21Z)
• Ensemble of Deep Convolutional Neural Networks for Automatic Pavement Crack Detection and Measurement [9.34360241512198]
  小さな亀裂の構造を特定するために、畳み込みニューラルネットワークのアンサンブルが使用された。 き裂測定には, 亀裂の種類によって, ひび割れの長さと幅を測定できる。
  論文  参考訳（メタデータ） (2020-02-08T22:15:11Z)

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。