論文の概要: Convolutional neural networks for crack detection on flexible road pavements

• arxiv url: http://arxiv.org/abs/2304.02933v1
• Date: Thu, 6 Apr 2023 08:46:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-07 14:46:37.558475
• Title: Convolutional neural networks for crack detection on flexible road pavements
• Title（参考訳）: フレキシブル道路舗装におけるき裂検出のための畳み込みニューラルネットワーク
• Authors: Hermann Tapamo, Anna Bosman, James Maina and Emile Horak
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Flexible road pavements deteriorate primarily due to traffic and adverse environmental conditions. Cracking is the most common deterioration mechanism; the surveying thereof is typically conducted manually using internationally defined classification standards. In South Africa, the use of high-definition video images has been introduced, which allows for safer road surveying. However, surveying is still a tedious manual process. Automation of the detection of defects such as cracks would allow for faster analysis of road networks and potentially reduce human bias and error. This study performs a comparison of six state-of-the-art convolutional neural network models for the purpose of crack detection. The models are pretrained on the ImageNet dataset, and fine-tuned using a new real-world binary crack dataset consisting of 14000 samples. The effects of dataset augmentation are also investigated. Of the six models trained, five achieved accuracy above 97%. The highest recorded accuracy was 98%, achieved by the ResNet and VGG16 models. The dataset is available at the following URL: https://zenodo.org/record/7795975
• Abstract（参考訳）: フレキシブル道路舗装は主に交通と環境の悪化によって悪化した。 クラッキングは最も一般的な劣化メカニズムであり、その調査は通常、国際的に定義された分類基準を用いて手動で行われる。 南アフリカでは、より安全な道路測量を可能にする高精細度ビデオ画像が導入された。 しかし、測量はいまだに面倒な手作業である。 ひび割れなどの欠陥検出の自動化は、道路網の高速解析を可能にし、人間のバイアスやエラーを低減できる。 本研究は,クラック検出を目的とした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う。 モデルはImageNetデータセットで事前トレーニングされ、14000のサンプルからなる新しい現実世界のバイナリクラッチデータセットを使用して微調整される。 また,データセット拡張の効果についても検討した。 訓練された6つのモデルのうち、5つは97%以上の精度を達成した。 最高記録の精度は98%で、ResNetとVGG16が達成した。 データセットは以下のURLで利用できる。

関連論文リスト

• Hybrid-Segmentor: A Hybrid Approach to Automated Fine-Grained Crack Segmentation in Civil Infrastructure [52.2025114590481]
  エンコーダ・デコーダをベースとした手法であるHybrid-Segmentorを導入する。 これにより、モデルは、様々な種類の形状、表面、き裂の大きさを区別する一般化能力を向上させることができる。 提案モデルは,5つの測定基準(精度0.971,精度0.804,リコール0.744,F1スコア0.770,IoUスコア0.630)で既存ベンチマークモデルより優れ,最先端の状態を達成している。
  論文  参考訳（メタデータ） (2024-09-04T16:47:16Z)
• Multiple data sources and domain generalization learning method for road surface defect classification [2.9109581496560044]
  本稿では,カメラ画像を用いた路面欠陥の分類手法を提案する。 一般化モデルを開発するための領域一般化学習アルゴリズムを提案する。 その結果,従来は見つからなかったデータに基づいて,道路表面の欠陥を効率的に分類できることが示唆された。
  論文  参考訳（メタデータ） (2024-07-14T13:37:47Z)
• Exploring the Effectiveness of Dataset Synthesis: An application of Apple Detection in Orchards [68.95806641664713]
  本研究では,リンゴ樹の合成データセットを生成するための安定拡散2.1-baseの有用性について検討する。 我々は、現実世界のリンゴ検出データセットでリンゴを予測するために、YOLOv5mオブジェクト検出モデルを訓練する。 その結果、実世界の画像でトレーニングされたベースラインモデルと比較して、生成データでトレーニングされたモデルはわずかに性能が劣っていることがわかった。
  論文  参考訳（メタデータ） (2023-06-20T09:46:01Z)
• Detection of Pavement Cracks by Deep Learning Models of Transformer and UNet [9.483452333312373]
  近年、深層学習技術の出現と発展は、表面き裂検出を容易にする大きな可能性を示している。 本研究では, モデル精度, 計算複雑性, モデル安定性により, 舗装面き裂検出の性能を評価するために, 9つの有望なモデルについて検討した。 一般に、トランスフォーマーベースのモデルは、トレーニングプロセス中に収束しやすく、精度が高いが、通常、メモリ消費が増加し、処理効率が低下する。
  論文  参考訳（メタデータ） (2023-04-25T06:07:49Z)
• Automated crack propagation measurement on asphalt concrete specimens using an optical flow-based deep neural network [0.0]
  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。
  論文  参考訳（メタデータ） (2023-03-10T14:45:37Z)
• EEG-Fest: Few-shot based Attention Network for Driver's Vigilance Estimation with EEG Signals [160.57870373052577]
  運転士の警戒の欠如は、ほとんどの車両事故の主な原因である。 EEGはドライバーの眠気推定のための信頼性と効率的なツールである。
  論文  参考訳（メタデータ） (2022-11-07T21:35:08Z)
• Road Rutting Detection using Deep Learning on Images [0.0]
  道路ラッティングは、道路の早期かつコストのかかる保守コストの早期の故障を引き起こす深刻な道路難題である。 本稿では,949個の画像からなる新しい道路ラッティングデータセットを提案し,オブジェクトレベルのアノテーションとピクセルレベルのアノテーションを提供する。 オブジェクト検出モデルとセマンティックセグメンテーションモデルは,提案したデータセット上での道路変動を検出するためにデプロイされた。
  論文  参考訳（メタデータ） (2022-09-28T16:53:05Z)
• Firearm Detection via Convolutional Neural Networks: Comparing a Semantic Segmentation Model Against End-to-End Solutions [68.8204255655161]
  武器の脅威検出とライブビデオからの攻撃的な行動は、潜在的に致命的な事故の迅速検出と予防に使用できる。 これを実現する一つの方法は、人工知能と、特に画像分析のための機械学習を使用することです。 従来のモノリシックなエンド・ツー・エンドのディープラーニングモデルと、セマンティクスセグメンテーションによって火花を検知する単純なニューラルネットワークのアンサンブルに基づく前述したモデルを比較した。
  論文  参考訳（メタデータ） (2020-12-17T15:19:29Z)
• Scalable Backdoor Detection in Neural Networks [61.39635364047679]
  ディープラーニングモデルは、トロイの木馬攻撃に対して脆弱で、攻撃者はトレーニング中にバックドアをインストールして、結果のモデルが小さなトリガーパッチで汚染されたサンプルを誤識別させる。 本稿では,ラベル数と計算複雑性が一致しない新たなトリガリバースエンジニアリング手法を提案する。 実験では,提案手法が純モデルからトロイの木馬モデルを分離する際の完全なスコアを達成できることが観察された。
  論文  参考訳（メタデータ） (2020-06-10T04:12:53Z)
• 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)
• Radioactive data: tracing through training [130.2266320167683]
  本稿では,このデータセットに認識不能な変化を生じさせる新しい手法であるEmphradioactive dataを提案する。 訓練されたモデルにより, 放射能データの利用を検知し, 信頼度(p-値)のレベルを提供する。 提案手法はディープネットワーク最適化におけるデータ拡張とバックドア性に対して堅牢である。
  論文  参考訳（メタデータ） (2020-02-03T18:41:08Z)

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。