論文の概要: Computer Vision for Construction Progress Monitoring: A Real-Time Object Detection Approach

• arxiv url: http://arxiv.org/abs/2305.15097v1
• Date: Wed, 24 May 2023 12:27:42 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-25 15:59:42.735228
• Title: Computer Vision for Construction Progress Monitoring: A Real-Time Object Detection Approach
• Title（参考訳）: 建設進捗モニタリングのためのコンピュータビジョン:リアルタイム物体検出手法
• Authors: Jiesheng Yang, Andreas Wilde, Karsten Menzel, Md Zubair Sheikh, Boris Kuznetsov
• Abstract要約: 建設進捗監視(CPM)は、効率的なプロジェクト管理、オンタイムおよび予算の納入を保証するために不可欠である。 従来のCPMメソッドは、しばしば手動による検査と報告に頼っている。 本稿では,最先端オブジェクト検出アルゴリズムを用いたCPMの自動検出手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Construction progress monitoring (CPM) is essential for effective project management, ensuring on-time and on-budget delivery. Traditional CPM methods often rely on manual inspection and reporting, which are time-consuming and prone to errors. This paper proposes a novel approach for automated CPM using state-of-the-art object detection algorithms. The proposed method leverages e.g. YOLOv8's real-time capabilities and high accuracy to identify and track construction elements within site images and videos. A dataset was created, consisting of various building elements and annotated with relevant objects for training and validation. The performance of the proposed approach was evaluated using standard metrics, such as precision, recall, and F1-score, demonstrating significant improvement over existing methods. The integration of Computer Vision into CPM provides stakeholders with reliable, efficient, and cost-effective means to monitor project progress, facilitating timely decision-making and ultimately contributing to the successful completion of construction projects.
• Abstract（参考訳）: 建設進捗監視(CPM)は、効率的なプロジェクト管理、オンタイムおよび予算の納入を保証するために不可欠である。 従来のCPMメソッドは、しばしば手動による検査と報告に頼っている。 本稿では,最先端オブジェクト検出アルゴリズムを用いたCPMの自動検出手法を提案する。 提案手法は、例えば、yolov8のリアルタイム機能と高い精度を利用して、サイト画像やビデオ内の構築要素を特定し追跡する。 さまざまなビルディング要素で構成され、トレーニングと検証のために関連するオブジェクトをアノテートしたデータセットが作成された。 提案手法の性能は,精度,リコール,F1スコアなどの基準値を用いて評価し,既存手法よりも大幅に向上した。 コンピュータビジョンをCPMに統合することで、ステークホルダーはプロジェクトの進捗を監視し、タイムリーな意思決定を促進し、最終的に建設プロジェクトの完了に寄与する信頼性、効率、費用効率のよい手段を提供する。

関連論文リスト

• Constant-time Motion Planning with Anytime Refinement for Manipulation [19.717413012382714]
  本研究では,CTMP(Constant-time Motion Planners)アルゴリズムと組み合わせたリアルタイム改良手法を提案する。 提案するフレームワークは,定数時間アルゴリズムとして動作するため,ユーザ定義時間しきい値内の初期解を高速に生成する。 任意の時間アルゴリズムとして機能し、割り当てられた時間予算内で、ソリューションの品質を反復的に改善します。
  論文  参考訳（メタデータ） (2023-11-01T20:40:10Z)
• MeanAP-Guided Reinforced Active Learning for Object Detection [34.19741444116433]
  本稿では,オブジェクト検出のためのMeanAP誘導強化能動学習について紹介する。 LSTMアーキテクチャに基づいて構築されたエージェントは、その後のトレーニングインスタンスを効率的に探索し、選択する。 我々は、一般的なベンチマーク、PASCAL VOC、MS COCOにおけるMAGRALの有効性を評価した。
  論文  参考訳（メタデータ） (2023-10-12T14:59:22Z)
• Improving Online Lane Graph Extraction by Object-Lane Clustering [106.71926896061686]
  本稿では,局所レーングラフの推定精度を向上させるために,アーキテクチャと損失の定式化を提案する。 提案手法は,中心線をクラスタ中心とすることで,対象を中心線に割り当てることを学ぶ。 提案手法は既存の3次元オブジェクト検出手法の出力を用いて,大幅な性能向上を実現することができることを示す。
  論文  参考訳（メタデータ） (2023-07-20T15:21:28Z)
• Frustratingly Simple but Effective Zero-shot Detection and Segmentation: Analysis and a Strong Baseline [45.03824571286718]
  オブジェクト検出とセグメンテーションの方法は、トレーニングに豊富なインスタンスレベルのアノテーションを必要とすることが多い。 これを解決するために、ゼロショットオブジェクト検出(またはセグメンテーション)のタスクは、管理できないカテゴリのオブジェクトインスタンスを特定し、ローカライズするための効果的な方法を学ぶことを目的としている。 本研究では,これらの設計選択を幅広く研究し,単純かつ極めて効果的なゼロショット認識手法を慎重に構築する。
  論文  参考訳（メタデータ） (2023-02-14T20:00:30Z)
• FasterVideo: Efficient Online Joint Object Detection And Tracking [0.8680676599607126]
  我々は、画像オブジェクト検出において最も成功した方法の一つである、Faster R-CNNを再考し、それをビデオ領域に拡張する。 提案手法は,関連アプリケーションに必要な計算効率が非常に高い。
  論文  参考訳（メタデータ） (2022-04-15T09:25:34Z)
• Information-Theoretic Odometry Learning [83.36195426897768]
  生体計測推定を目的とした学習動機付け手法のための統合情報理論フレームワークを提案する。 提案フレームワークは情報理論言語の性能評価と理解のためのエレガントなツールを提供する。
  論文  参考訳（メタデータ） (2022-03-11T02:37:35Z)
• Construction material classification on imbalanced datasets for construction monitoring automation using Vision Transformer (ViT) architecture [0.0]
  建設における自動化のスコープは幅広い段階を含み、建設プロジェクトを監視することは例外ではない。 本稿では,視覚変換器(ViT)と呼ばれる新しいディープラーニングアーキテクチャを用いて,建設材料の検出と分類を行う。 得られた結果から,すべてのパラメータおよび材料カテゴリーで100%の精度が得られた。
  論文  参考訳（メタデータ） (2021-08-21T15:29:56Z)
• Analysis of voxel-based 3D object detection methods efficiency for real-time embedded systems [93.73198973454944]
  本稿では, ボクセルをベースとした2つの3次元物体検出手法について述べる。 実験の結果,これらの手法は入力点雲が遠距離にあるため,遠距離の小さな物体を検出できないことが確認できた。 この結果から,既存手法の計算のかなりの部分は,検出に寄与しないシーンの位置に着目していることが示唆された。
  論文  参考訳（メタデータ） (2021-05-21T12:40:59Z)
• Robust Object Detection via Instance-Level Temporal Cycle Confusion [89.1027433760578]
  物体検出器の分布外一般化を改善するための補助的自己監視タスクの有効性を検討する。 最大エントロピーの原理に触発されて,新しい自己監督タスクであるインスタンスレベル時間サイクル混乱(cycconf)を導入する。 それぞれのオブジェクトに対して、タスクは、ビデオ内の隣接するフレームで最も異なるオブジェクトの提案を見つけ、自己スーパービジョンのために自分自身にサイクルバックすることです。
  論文  参考訳（メタデータ） (2021-04-16T21:35:08Z)
• Few-Cost Salient Object Detection with Adversarial-Paced Learning [95.0220555274653]
  本稿では,少数のトレーニング画像にのみ手動アノテーションを応用して,効果的なサルエント物体検出モデルを学習することを提案する。 我々は,このタスクを,少額の有能な物体検出とみなし,少数のコストの学習シナリオを促進するために,APL(Adversarialpaced Learning)ベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-04-05T14:15:49Z)
• Unsupervised Domain Adaptation for Spatio-Temporal Action Localization [69.12982544509427]
  S時間動作の局所化はコンピュータビジョンにおいて重要な問題である。 本稿では、エンドツーエンドの教師なしドメイン適応アルゴリズムを提案する。 空間的特徴と時間的特徴を別々にあるいは共同的に適応した場合に,顕著な性能向上が達成できることを示す。
  論文  参考訳（メタデータ） (2020-10-19T04:25:10Z)

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。