論文の概要: Wooden Sleeper Deterioration Detection for Rural Railway Prognostics
Using Unsupervised Deeper FCDDs
- arxiv url: http://arxiv.org/abs/2305.05103v3
- Date: Sun, 14 May 2023 08:25:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-16 20:35:31.940935
- Title: Wooden Sleeper Deterioration Detection for Rural Railway Prognostics
Using Unsupervised Deeper FCDDs
- Title（参考訳）: 教師なし深部FCDDを用いた農村鉄道診断のための木造スリーパー劣化検出
- Authors: Takato Yasuno, Masahiro Okano, and Junichiro Fujii
- Abstract要約: 本研究では, 鉄道部品の欠陥に対する深いFCDDを用いた一級損傷分類を自動化するための識別器パイプラインを考案した。
畳み込みニューラルネットワーク(CNN)を用いた深部背骨と受容野の感度解析も行った。
前向きに鉄道線路の映像取得データセットを用いた鉄道検査への適用を実演した。
- 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: Maintaining high standards for user safety during daily railway operations is
crucial for railway managers. To aid in this endeavor, top- or side-view
cameras and GPS positioning systems have facilitated progress toward automating
periodic inspections of defective features and assessing the deteriorating
status of railway components. However, collecting data on deteriorated status
can be time-consuming and requires repeated data acquisition because of the
extreme temporal occurrence imbalance. In supervised learning, thousands of
paired data sets containing defective raw images and annotated labels are
required. However, the one-class classification approach offers the advantage
of requiring fewer images to optimize parameters for training normal and
anomalous features. The deeper fully-convolutional data descriptions (FCDDs)
were applicable to several damage data sets of concrete/steel components in
structures, and fallen tree, and wooden building collapse in disasters.
However, it is not yet known to feasible to railway components. In this study,
we devised a prognostic discriminator pipeline to automate one-class damage
classification using the deeper FCDDs for defective railway components. We also
performed sensitivity analysis of the deeper backbone and receptive field based
on convolutional neural networks (CNNs). Furthermore, we visualized defective
railway features by using transposed Gaussian upsampling. We demonstrated our
application to railway inspection using a video acquisition dataset of railway
track in forward view that contains wooden sleeper deterioration in rural
railways. Finally, we examined the usability of our approach for prognostic
monitoring and future work on railway component inspection.
- Abstract（参考訳）: 日々の鉄道運行における利用者の安全確保は、鉄道管理者にとって不可欠である。
この取り組みを支援するため、トップカメラやサイドカメラ、GPS測位システムは、欠陥点検の定期的検査の自動化や、鉄道部品の劣化状況の評価に進展している。
しかし,劣化状態に関するデータ収集には時間を要する可能性があり,過度な時間的発生の不均衡のため,データ取得の繰り返しが必要となる。
教師付き学習では、欠陥のある生画像と注釈付きラベルを含む何千ものペアデータセットが必要である。
しかし、一級分類アプローチは、通常の特徴や異常な特徴を訓練するためのパラメータを最適化するために、画像が少ないという利点がある。
FCDDは, 構造物や倒木, 倒木などのコンクリート・鋼構造物の損傷データ集合に適用し, 災害時の木造建築物の崩壊について検討した。
しかし、まだ鉄道部品が可能であることは分かっていない。
本研究では, 鉄道部品の深いFCDDを用いた一級損傷分類を自動化するための識別器パイプラインを考案した。
また,畳み込みニューラルネットワーク(CNN)を用いた深部背骨と受容野の感度解析を行った。
さらに, トランスポーテッド・ガウスアン・アップサンプリングを用いて, 欠陥鉄道特性を可視化した。
農村鉄道における木製スリーパー劣化を含む前方視における鉄道線路の映像取得データセットを用いた鉄道検査への適用を実証した。
最後に, 鉄道部品検査における予測モニタリングへのアプローチの有用性と今後の課題について検討した。
関連論文リスト
- 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) - Local and Global Information in Obstacle Detection on Railway Tracks [30.90745722512406]
鉄道画像から線路分割を学習するための浅層ネットワークの利用を提案する。
ネットワークの受容領域は、過信の予測を防ぐ。
本手法は, 人工的な障害物を有する鉄道画像を含むカスタムデータセット上で評価する。
論文 参考訳（メタデータ） (2023-07-28T11:07:34Z) - Novel features for the detection of bearing faults in railway vehicles [88.89591720652352]
我々は,Mel-Frequency Cepstral Coefficients (MFCCs) とAmplitude Modulation Spectrogram (AMS) から抽出した特徴を,軸受欠陥の検出のための特徴として紹介する。
論文 参考訳（メタデータ） (2023-04-14T10:09:50Z) - Bridging Precision and Confidence: A Train-Time Loss for Calibrating
Object Detection [58.789823426981044]
本稿では,境界ボックスのクラス信頼度を予測精度に合わせることを目的とした,新たな補助損失定式化を提案する。
その結果,列車の走行時間損失はキャリブレーション基準を超過し,キャリブレーション誤差を低減させることがわかった。
論文 参考訳（メタデータ） (2023-03-25T08:56:21Z) - One-class Damage Detector Using Deeper Fully-Convolutional Data
Descriptions for Civil Application [0.0]
モデルパラメータを最適化するために、通常の画像を使用することができる点において、一級損傷検出アプローチには利点がある。
本稿では,FCDDをベースラインモデルとして再現した一級損傷検出の汎用アプリケーションを提案する。
論文 参考訳（メタデータ） (2023-03-03T06:27:15Z) - 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) - Truncated tensor Schatten p-norm based approach for spatiotemporal
traffic data imputation with complicated missing patterns [77.34726150561087]
本研究は, モード駆動繊維による3症例の欠失を含む, 4症例の欠失パターンについて紹介する。
本モデルでは, 目的関数の非性にもかかわらず, 乗算器の交互データ演算法を統合することにより, 最適解を導出する。
論文 参考訳（メタデータ） (2022-05-19T08:37:56Z) - Meta-learning with GANs for anomaly detection, with deployment in
high-speed rail inspection system [7.220842608593749]
ビッグデータによるAI時代における異常検出の主な課題は、潜在的な異常タイプに関する事前知識の欠如である。
本稿では,GAN(Generative Adversarial Network)の概念を,損失関数の適切な選択に取り入れる。
当社のフレームワークは2021年以降、中国の5つの高速鉄道に配備されており、99.7%以上の作業負荷を削減し、96.7%の検査時間を節約している。
論文 参考訳（メタデータ） (2022-02-11T17:43:49Z) - DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly
detection in air transportation [68.8204255655161]
識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。
通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。
その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
論文 参考訳（メタデータ） (2021-09-08T14:07:55Z) - Learn to Predict Vertical Track Irregularity with Extremely Imbalanced
Data [6.448383767373112]
中国における複数の鉄道が生み出した実世界の大規模データセットに基づいて,垂直軌道の不規則性を予測するためのアプリケーション・フレームワークについて紹介する。
また,適応型データサンプリングとペナル化損失を用いた時系列予測タスクにおいて,不均衡なデータを扱う新しい手法を提案する。
論文 参考訳（メタデータ） (2020-12-05T15:49:39Z)
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。