論文の概要: Infrastructure Crack Segmentation: Boundary Guidance Method and
Benchmark Dataset
- arxiv url: http://arxiv.org/abs/2306.09196v1
- Date: Thu, 15 Jun 2023 15:25:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-16 14:17:17.113020
- Title: Infrastructure Crack Segmentation: Boundary Guidance Method and
Benchmark Dataset
- Title(参考訳): インフラストラクチャクラックのセグメンテーション:バウンダリガイダンス方法およびベンチマークデータセット
- Authors: Zhili He, Wang Chen, Jian Zhang, Yu-Hsing Wang
- Abstract要約: 本稿では, き裂の固有特性について検討し, き裂の識別に境界特性を導入する。
境界誘導クラックセグメンテーションモデル(BGCrack)を、高頻度モジュールを含むターゲット構造とモジュールで構築する。
本稿では, 鋼ひび割れの同定のための統一的, 公正なベンチマークを確立するための鋼ひび割れデータセットを提供する。
- 参考スコア(独自算出の注目度): 11.282003429161163
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Cracks provide an essential indicator of infrastructure performance
degradation, and achieving high-precision pixel-level crack segmentation is an
issue of concern. Unlike the common research paradigms that adopt novel
artificial intelligence (AI) methods directly, this paper examines the inherent
characteristics of cracks so as to introduce boundary features into crack
identification and then builds a boundary guidance crack segmentation model
(BGCrack) with targeted structures and modules, including a high frequency
module, global information modeling module, joint optimization module, etc.
Extensive experimental results verify the feasibility of the proposed designs
and the effectiveness of the edge information in improving segmentation
results. In addition, considering that notable open-source datasets mainly
consist of asphalt pavement cracks because of ease of access, there is no
standard and widely recognized dataset yet for steel structures, one of the
primary structural forms in civil infrastructure. This paper provides a steel
crack dataset that establishes a unified and fair benchmark for the
identification of steel cracks.
- Abstract(参考訳): クラックはインフラストラクチャのパフォーマンス低下の重要な指標であり、高精度なピクセルレベルのクラックセグメンテーションを実現することが懸念事項である。
本稿では,新しい人工知能(ai)手法を直接採用する一般的な研究パラダイムとは異なり,ひび割れの識別に境界特徴を導入するために,ひび割れの特徴を考察し,高頻度モジュール,グローバル情報モデリングモジュール,統合最適化モジュールなどを含む対象構造とモジュールを備えた境界誘導き裂セグメンテーションモデル(bgcrack)を構築した。
大規模実験により,提案手法の有効性とエッジ情報の有効性が検証され,セグメンテーションの精度が向上した。
さらに、アクセスが容易なアスファルト舗装の亀裂を主とする著名なオープンソースデータセットを考えると、土木インフラの主要な構造形態の一つである鋼構造物の標準的かつ広く認識されているデータセットはまだ存在しない。
本稿では,鋼き裂の同定のための統一的かつ公正なベンチマークを確立するための鋼き裂データセットを提供する。
関連論文リスト
- From Text Segmentation to Smart Chaptering: A Novel Benchmark for
Structuring Video Transcriptions [63.11097464396147]
音声コンテンツに焦点をあてた新しいベンチマークYTSegを導入し、その内容は本質的に非構造的であり、トポロジと構造的にも多様である。
また,高効率な階層分割モデルMiniSegを導入する。
論文 参考訳(メタデータ) (2024-02-27T15:59:37Z) - Fine-tuning vision foundation model for crack segmentation in civil
infrastructures [15.610551298900225]
セグメンテーションにおける基礎モデルを微調整するために、微調整法が採用される:セグメンション・アシング・モデル(SAM)
CrackSAMは、特に薄暗い照明、影、道路標識、建設継手、その他の干渉要因などの困難な条件下で、顕著な優位性を示す。
これらのクロスシナリオの結果は、基礎モデルの卓越したゼロショット能力を示し、土木工学におけるビジョンモデルを開発するための新しいアイデアを提供する。
論文 参考訳(メタデータ) (2023-12-07T11:39:11Z) - Designing a Hybrid Neural System to Learn Real-world Crack Segmentation
from Fractal-based Simulation [7.0156884721768575]
フラクタルとそれに対応するフルアノテートクラックデータセットに基づく高忠実度クラックグラフィーシミュレータを提案する。
次に、シミュレーションから一般化可能な表現を学習するシステムで後者を補完する。
最後に、シミュレーションを実際のギャップにブリッジすることで、どのように異なる設計選択が共生的であるかを実証的に強調し、最終的に、我々の導入したシステムが現実世界のひび割れのセグメンテーションを効果的に処理できることを実証する。
論文 参考訳(メタデータ) (2023-09-18T10:13:03Z) - Real-time High-Resolution Neural Network with Semantic Guidance for
Crack Segmentation [4.651261550392625]
本稿では,ひび割れのセグメンテーションに特化して設計されたセマンティックガイダンスを備えた高分解能ネットワークHrSegNetについて述べる。
HrSegNetは、ひび割れの詳細を保存しながらリアルタイムの推論速度を保証する。
このアプローチは、高分解能モデリングとリアルタイム検出の間にトレードオフがあることを実証する。
論文 参考訳(メタデータ) (2023-07-01T08:38:18Z) - SMC-UDA: Structure-Modal Constraint for Unsupervised Cross-Domain Renal
Segmentation [100.86339246424541]
本稿では、識別パラダイムに基づく新しい構造モード制約(SMC) UDA フレームワークを提案し、ドメイン間のブリッジとしてエッジ構造を導入する。
構造に制約のある自己学習とプログレッシブROIでは,エッジの3次元空間構造を見極めることで腎臓を分節する。
実験の結果,提案するSMC-UDAの一般化は良好であり,生成的UDA法よりも優れていた。
論文 参考訳(メタデータ) (2023-06-14T02:57:23Z) - Structural and Statistical Texture Knowledge Distillation for Semantic
Segmentation [72.67912031720358]
セグメンテーションのための構造的・統計的テクスチャ知識蒸留(SSTKD)フレームワークを提案する。
構造的テクスチャ知識のために,低レベルの特徴を分解するContourlet Decomposition Module (CDM)を導入する。
本稿では, 統計的テクスチャ知識を適応的に抽出し, 強化するDenoized Texture Intensity Equalization Module (DTIEM)を提案する。
論文 参考訳(メタデータ) (2023-05-06T06:01:11Z) - A Convolutional-Transformer Network for Crack Segmentation with Boundary
Awareness [5.98717173705421]
クラックは、製造された建物の安全性と耐久性を評価する上で重要な役割を果たしている。
本稿では,この課題を解決するために,エンコーダデコーダアーキテクチャに基づく新しい畳み込みトランスフォーマネットワークを提案する。
論文 参考訳(メタデータ) (2023-02-23T01:27:57Z) - Learning-Based Defect Recognitions for Autonomous UAV Inspections [1.713291434132985]
我々は,Alexnet,VGG,Resnetなどの古典的ネットワークアーキテクチャに基づくひび割れ検出のためのディープラーニングフレームワークを実装した。
特徴ピラミッドネットワークアーキテクチャにヒントを得て、階層的畳み込みニューラルネットワーク(CNN)ディープラーニングフレームワークも提案されている。
また, 各種コンクリート構造物のひび割れ検査作業のために, 無人航空機の自動点検のための枠組みも提案する。
論文 参考訳(メタデータ) (2023-02-13T04:25:05Z) - Benchmarking the Robustness of LiDAR Semantic Segmentation Models [78.6597530416523]
本稿では,LiDARセマンティックセグメンテーションモデルのロバスト性を,様々な汚職の下で包括的に解析することを目的とする。
本稿では,悪天候,計測ノイズ,デバイス間不一致という3つのグループで16のドメイン外LiDAR破損を特徴とするSemanticKITTI-Cというベンチマークを提案する。
我々は、単純だが効果的な修正によってロバスト性を大幅に向上させるロバストLiDARセグメンテーションモデル(RLSeg)を設計する。
論文 参考訳(メタデータ) (2023-01-03T06:47:31Z) - Unveiling the Potential of Structure-Preserving for Weakly Supervised
Object Localization [71.79436685992128]
本稿では,WSOLの畳み込み機能に組み込まれた構造情報を完全に活用するための2段階構造保存アクティベーション(SPA)を提案する。
第1段階では、分類ネットワークによって引き起こされる構造ミス問題を軽減するために制限アクティベーションモジュール(ram)が設計されている。
第2段階では, 自己相関マップ生成(SCG)モジュールと呼ばれるプロセス後アプローチを提案し, 構造保存ローカライゼーションマップを得る。
論文 参考訳(メタデータ) (2021-03-08T03:04:14Z) - Towards Uncovering the Intrinsic Data Structures for Unsupervised Domain
Adaptation using Structurally Regularized Deep Clustering [119.88565565454378]
Unsupervised Domain Adapt (UDA) は、ターゲットドメイン上のラベルなしデータの予測を行う分類モデルを学ぶことである。
本稿では,対象データの正規化判別クラスタリングと生成クラスタリングを統合する構造的正規化深層クラスタリングのハイブリッドモデルを提案する。
提案するH-SRDCは, インダクティブ設定とトランスダクティブ設定の両方において, 既存の手法よりも優れている。
論文 参考訳(メタデータ) (2020-12-08T08:52:00Z)
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。