論文の概要: Robust Wind Turbine Blade Segmentation from RGB Images in the Wild

• arxiv url: http://arxiv.org/abs/2306.14810v1
• Date: Mon, 26 Jun 2023 16:12:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-27 12:49:27.185959
• Title: Robust Wind Turbine Blade Segmentation from RGB Images in the Wild
• Title（参考訳）: 野生におけるRGB画像からのロバスト風車ブレード分割
• Authors: Ra\"ul P\'erez-Gonzalo, Andreas Espersen, Antonio Agudo
• Abstract要約: そこで本研究では,U-Netの精度向上のためのセグメンテーションアルゴリズムを提案する。 最高性能を達成するために、信頼性が高く、汎用的で、堅牢で、効率的なアルゴリズムを保証するために、一連の追加ステップが提案されている。 本アルゴリズムは,非自明な97.39%の精度を達成できることを示す。
• 参考スコア（独自算出の注目度）: 17.802761356541435
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: With the relentless growth of the wind industry, there is an imperious need to design automatic data-driven solutions for wind turbine maintenance. As structural health monitoring mainly relies on visual inspections, the first stage in any automatic solution is to identify the blade region on the image. Thus, we propose a novel segmentation algorithm that strengthens the U-Net results by a tailored loss, which pools the focal loss with a contiguity regularization term. To attain top performing results, a set of additional steps are proposed to ensure a reliable, generic, robust and efficient algorithm. First, we leverage our prior knowledge on the images by filling the holes enclosed by temporarily-classified blade pixels and by the image boundaries. Subsequently, the mislead classified pixels are successfully amended by training an on-the-fly random forest. Our algorithm demonstrates its effectiveness reaching a non-trivial 97.39% of accuracy.
• Abstract（参考訳）: 風力産業の絶え間ない成長により、風力タービンのメンテナンスのための自動データ駆動ソリューションを設計する必要がある。 構造的健康モニタリングは主に視覚検査に依存しているため、任意の自動解法の最初の段階は、画像上のブレード領域を特定することである。 そこで我々は, 連続正規化項で焦点損失をプールする, 調整された損失によりU-Net結果を強化する新しいセグメンテーションアルゴリズムを提案する。 最上位結果を得るために,信頼性,汎用性,堅牢性,効率的なアルゴリズムを実現するための追加ステップが提案されている。 まず、一時分類されたブレードピクセルと画像境界で囲まれた穴を埋めることにより、画像に関するこれまでの知識を活用する。 その後、オンザフライランダムフォレストを訓練することにより、ミスリード分類画素の修正に成功した。 このアルゴリズムは、その効果を97.39%の精度で示している。

関連論文リスト

• PostEdit: Posterior Sampling for Efficient Zero-Shot Image Editing [63.38854614997581]
  拡散サンプリングプロセスを制御するために後続のスキームを組み込んだPostEditを導入する。 提案したPostEditは、未編集領域を正確に保存しながら、最先端の編集性能を実現する。 インバージョンもトレーニングも不要で、約1.5秒と18GBのGPUメモリを必要とするため、高品質な結果が得られる。
  論文  参考訳（メタデータ） (2024-10-07T09:04:50Z)
• DeepClean: Integrated Distortion Identification and Algorithm Selection for Rectifying Image Corruptions [1.8024397171920883]
  画像歪みの自動分類と修正のための2段階逐次計画手法を提案する。 提案手法の利点は、入力画像に条件付けされた動的再構成と、推論時に未確認候補アルゴリズムの一般化である。
  論文  参考訳（メタデータ） (2024-07-23T08:57:11Z)
• Explainable Light-Weight Deep Learning Pipeline for Improved Drought Stress Identification [0.0]
  作物の干ばつストレスの早期同定は、効果的な緩和対策と収量損失の低減に不可欠である。 本研究は,UAVが自然環境下で捕獲したジャガイモの干ばつストレスを分類するための,新しいディープラーニングフレームワークを提案する。 私たちの研究の重要な革新は、説明可能性のテクニックであるグラディエントクラスの活性化マッピング(Grad-CAM)の統合です。
  論文  参考訳（メタデータ） (2024-04-15T18:26:03Z)
• Adaptive Window Pruning for Efficient Local Motion Deblurring [81.35217764881048]
  局所的な動きのぼかしは、露光中の移動物体と静止背景との混合により、実世界の写真で一般的に発生する。 既存の画像のデブロアリング手法は主にグローバルなデブロアリングに焦点を当てている。 本稿では,高解像度の局所的ぼやけた画像を適応的かつ効率的に復元することを目的とする。
  論文  参考訳（メタデータ） (2023-06-25T15:24:00Z)
• Fast Key Points Detection and Matching for Tree-Structured Images [4.929206987094714]
  本稿では,木状パターンを用いたナノ解像度視覚識別子の画像マッチングに基づく新しい認証アルゴリズムを提案する。 提案アルゴリズムは様々な木構造画像マッチングに適用できるが,近年開発された視覚的識別子であるデンドライトに焦点をあてる。
  論文  参考訳（メタデータ） (2022-11-07T00:22:56Z)
• Reconstruction Task Finds Universal Winning Tickets [24.52604301906691]
  十分に訓練されたニューラルネットワークは、コンピュータビジョンシステムにおいて有望な精度と効率のトレードオフを実現するのに有効である。 既存のプルーニングアルゴリズムのほとんどは、ソースドメインで定義された分類タスクのみに焦点を当てている。 本稿では,画像レベルのプレトレインタスクは,下流の様々なタスクに対して,モデルを刈り取ることができないことを示す。
  論文  参考訳（メタデータ） (2022-02-23T13:04:32Z)
• On Measuring and Controlling the Spectral Bias of the Deep Image Prior [63.88575598930554]
  深層画像は、未学習のネットワークが逆画像問題に対処できることを実証している。 ピークに達するとパフォーマンスが低下するので、いつ最適化を止めるかを決めるにはオラクルが必要です。 これらの問題に対処するために、スペクトルバイアスの観点から先行した深部画像について検討する。
  論文  参考訳（メタデータ） (2021-07-02T15:10:42Z)
• Bayesian U-Net for Segmenting Glaciers in SAR Imagery [7.960675807187592]
  不確実性を計算し,新しい二段階プロセスとして不確実性最適化手法として用いることを提案する。 ネットワークへの不確実性マップの供給は95.24%のdice類似性をもたらす。 これは、最先端の決定論的U-Netベースの氷河セグメンテーションパイプラインと比較して、全体的なセグメンテーション性能の改善である。
  論文  参考訳（メタデータ） (2021-01-08T23:17:49Z)
• DeepStrip: High Resolution Boundary Refinement [60.00241966809684]
  関心領域をストリップ画像に変換し、ストリップ領域の境界予測を計算することを提案する。 対象境界を検出するために,2つの予測層を持つフレームワークを提案する。 我々は、誤報を減らすために、整合性とC0連続性正規化をネットワークに強制する。
  論文  参考訳（メタデータ） (2020-03-25T22:44:48Z)
• Gated Fusion Network for Degraded Image Super Resolution [78.67168802945069]
  本稿では,基本特徴と回復特徴を別々に抽出する二分岐畳み込みニューラルネットワークを提案する。 特徴抽出ステップを2つのタスク非依存ストリームに分解することで、デュアルブランチモデルがトレーニングプロセスを容易にすることができる。
  論文  参考訳（メタデータ） (2020-03-02T13:28:32Z)
• Image Fine-grained Inpainting [89.17316318927621]
  拡張畳み込みの密結合を利用してより大きく効果的な受容場を得る一段階モデルを提案する。 この効率的なジェネレータをよく訓練するために、頻繁に使用されるVGG特徴整合損失を除いて、新しい自己誘導回帰損失を設計する。 また、局所的・グローバルな分枝を持つ識別器を用いて、局所的・グローバルな内容の整合性を確保する。
  論文  参考訳（メタデータ） (2020-02-07T03:45:25Z)

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。