論文の概要: Broken Rail Detection With Texture Image Processing Using
Two-Dimensional Gray Level Co-occurrence Matrix
- arxiv url: http://arxiv.org/abs/2304.11592v1
- Date: Sun, 23 Apr 2023 09:44:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-25 17:32:52.947000
- Title: Broken Rail Detection With Texture Image Processing Using
Two-Dimensional Gray Level Co-occurrence Matrix
- Title（参考訳）: 2次元グレーレベル共起行列を用いたテクスチャ画像処理による破損レール検出
- Authors: Mohsen Ebrahimi
- Abstract要約: 鉄道による損傷と破損は、鉄道における事故の最も重要な原因の1つである。
本稿では,観測領域からレール領域を最初に認識する手法を提案する。
クラック、摩耗、剥離、崩壊、破壊を含むレール欠陥の種類を検出する。
- 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: Application of electronic railway systems as well as the implication of
Automatic Train Control (ATC) System has increased the safety of rail
transportation. However, one of the most important causes of accidents on the
railway is rail damage and breakage. In this paper, we have proposed a method
that the rail region is first recognized from the observation area, then by
investigating the image texture processing data, the types of rail defects
including cracks, wear, peeling, disintegration, and breakage are detected. In
order to reduce the computational cost, the image is changed from the RGB color
spectrum to the gray spectrum. Image texture processing data is obtained by the
two-dimensional Gray Levels Co-occurrence Matrix (GLCM) at different angles;
this data demonstrates second-order features of the images. Large data of
features has a negative effect on the overall accuracy of the classifiers. To
tackle this issue and acquire faster response, Principal Component Analysis
(PCA) algorithm is used, before entering the band into the classifier. Then the
features extracted from the images are compared by three different classifiers
including Support Vector Machine (SVM), Random Forest (RF), and K-Nearest
Neighbor (KNN) classification. The results obtained from this method indicate
that the Random Forest classifier has better performance (accuracy 97%,
precision 96%, and recall 96%) than other classifiers.
- Abstract（参考訳）: 電気鉄道システムの応用とATC(Automatic Train Control)システムの適用により、鉄道輸送の安全性が向上した。
しかし、鉄道事故の最も重要な原因の1つは、鉄道による損傷と破損である。
本稿では,まず観察領域からレール領域が認識され,次いで画像テクスチャ処理データを調べることにより,ひび割れ,摩耗,剥離,崩壊,破壊などを含むレール欠陥の種類を検出する方法を提案する。
計算コストを削減するため、画像はRGB色スペクトルからグレー色スペクトルに変更される。
画像テクスチャ処理データは、2次元グレイレベル共起行列(GLCM)によって異なる角度で取得される。
特徴量の大規模なデータは、分類器の全体的な精度に悪影響を及ぼす。
この問題に対処し、より高速な応答を得るために、帯域を分類器に入力する前に主成分分析(PCA)アルゴリズムを用いる。
次に、画像から抽出した特徴を、SVM(Support Vector Machine)、RF(Random Forest)、K-Nearest Neighbor(KNN)の3つの異なる分類器で比較する。
その結果,ランダム林分分類器の性能は,他の分類器よりも高い(精度97%,精度96%,リコール96%)ことがわかった。
関連論文リスト
- Tensor Factorization for Leveraging Cross-Modal Knowledge in
Data-Constrained Infrared Object Detection [22.60228799622782]
赤外線画像における物体検出のボトルネックは、十分なラベル付きトレーニングデータがないことである。
我々は、RGBモードにおけるモデル性能を保ちながら、RGBモードからオブジェクト検出器をIRモードにスケールするために、RGBモードからの手がかりを活用しようとしている。
まず、これらの因子行列をRGBモードで事前トレーニングし、多くのトレーニングデータが存在すると仮定した後、IRモードでトレーニングするためのトレーニング可能なパラメータをわずかに増やして過度な適合を避ける。
論文 参考訳（メタデータ） (2023-09-28T16:55:52Z) - Image Deblurring by Exploring In-depth Properties of Transformer [86.7039249037193]
我々は、事前訓練された視覚変換器(ViT)から抽出した深い特徴を活用し、定量的な測定値によって測定された性能を犠牲にすることなく、回復した画像のシャープ化を促進する。
得られた画像と対象画像の変換器特徴を比較することにより、事前学習された変換器は、高解像度のぼやけた意味情報を提供する。
特徴をベクトルとみなし、抽出された画像から抽出された表現とユークリッド空間における対象表現との差を計算する。
論文 参考訳（メタデータ） (2023-03-24T14:14:25Z) - Retinal Image Restoration using Transformer and Cycle-Consistent
Generative Adversarial Network [0.7868449549351486]
医療画像は様々な疾患の検出と治療に重要な役割を果たしている。
視覚変換器と畳み込みニューラルネットワークを用いた網膜画像強調手法を提案する。
論文 参考訳（メタデータ） (2023-03-03T14:10:47Z) - Detecting train driveshaft damages using accelerometer signals and
Differential Convolutional Neural Networks [67.60224656603823]
本稿では,高度2次元畳み込みニューラルネットワーク(CNN)アーキテクチャに基づく鉄道軸状態監視システムの開発を提案する。
その結果,鉄道軸受振動信号を時間周波数領域表現,すなわち分光図に変換し,そのひび割れに応じて2次元CNNを訓練する。
論文 参考訳（メタデータ） (2022-11-15T15:04:06Z) - New wrapper method based on normalized mutual information for dimension
reduction and classification of hyperspectral images [0.0]
正規化相互情報(NMI)と誤り確率(PE)に基づく新しいラッパー手法を提案する。
NASAのAVIRIS(Airborne Visible/Infrared Imaging Spectrometer Sensor)が捉えた、2つの挑戦的なハイパースペクトルベンチマークデータセットで実験が行われた。
論文 参考訳（メタデータ） (2022-10-25T21:17:11Z) - GradViT: Gradient Inversion of Vision Transformers [83.54779732309653]
我々は,視力変換器(ViT)の勾配に基づく逆攻撃に対する脆弱性を実証する。
自然に見える画像にランダムノイズを最適化するGradViTという手法を提案する。
元の(隠された)データに対する前例のない高い忠実さと近接性を観察する。
論文 参考訳（メタデータ） (2022-03-22T17:06:07Z) - Inverse Problems Leveraging Pre-trained Contrastive Representations [88.70821497369785]
破損したデータの表現を復元するための新しい逆問題群について検討する。
コントラスト目的を用いた教師付きインバージョン手法を提案する。
提案手法は,幅広いフォワード演算子においてラベル付きデータのごく一部であっても,エンド・ツー・エンドのベースラインよりも優れる。
論文 参考訳（メタデータ） (2021-10-14T15:06:30Z) - Automatic Detection of Rail Components via A Deep Convolutional
Transformer Network [7.557470133155959]
レール,クリップ,ボルトを含む多種鉄道部品を検出するための深層畳み込み変圧器ネットワーク方式を提案する。
提案手法は,アンカーボックス,アスペクト比,デフォルト座標,後処理などの事前設定を不要にすることで,検出パイプラインを単純化する。
総合的な計算結果から,提案手法は既存の最先端手法よりも大きなマージンを持つことを示す。
論文 参考訳（メタデータ） (2021-08-05T07:38:04Z) - Hierarchical Convolutional Neural Network with Feature Preservation and
Autotuned Thresholding for Crack Detection [5.735035463793008]
ドローンの画像はインフラ表面の欠陥の自動検査にますます使われている。
本稿では,階層型畳み込みニューラルネットワークを用いた深層学習手法を提案する。
提案手法は, 道路, 橋, 舗装の表面ひび割れの同定に応用されている。
論文 参考訳（メタデータ） (2021-04-21T13:07:58Z) - Generalizing Face Forgery Detection with High-frequency Features [63.33397573649408]
現在のCNNベースの検出器は、メソッド固有の色テクスチャに過度に適合するため、一般化に失敗する傾向にある。
フェースフォージェリ検出に高周波雑音を用いることを提案する。
1つは、複数のスケールで高周波ノイズを抽出するマルチスケールの高周波特徴抽出モジュールである。
2つ目は、低レベルRGB特徴抽出器を導く残差誘導空間注意モジュールで、新しい視点からフォージェリートレースにもっと集中する。
論文 参考訳（メタデータ） (2021-03-23T08:19:21Z) - Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。
我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。
その結果,小型歩行者の検出における本手法の有効性が示唆された。
論文 参考訳（メタデータ） (2020-08-19T13:13:01Z)
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。