論文の概要: Self-supervised learning for hotspot detection and isolation from
thermal images
- arxiv url: http://arxiv.org/abs/2308.13204v1
- Date: Fri, 25 Aug 2023 06:59:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-28 15:03:59.385436
- Title: Self-supervised learning for hotspot detection and isolation from
thermal images
- Title（参考訳）: 熱画像からのホットスポット検出と分離のための自己教師付き学習
- Authors: Shreyas Goyal, Jagath C. Rajapakse
- Abstract要約: 熱画像におけるホットスポット検出の問題に対して,自己教師付き学習手法を提案する。
我々は、容易にアクセス可能な熱画像の可視性の問題に対処するために、新しい大規模な熱画像データセットを作成する。
我々は既存のホットスポット識別技術と比較して最も高いDice係数0.736を達成する。
- 参考スコア（独自算出の注目度）: 1.7132914341329852
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Hotspot detection using thermal imaging has recently become essential in
several industrial applications, such as security applications, health
applications, and equipment monitoring applications. Hotspot detection is of
utmost importance in industrial safety where equipment can develop anomalies.
Hotspots are early indicators of such anomalies. We address the problem of
hotspot detection in thermal images by proposing a self-supervised learning
approach. Self-supervised learning has shown potential as a competitive
alternative to their supervised learning counterparts but their application to
thermography has been limited. This has been due to lack of diverse data
availability, domain specific pre-trained models, standardized benchmarks, etc.
We propose a self-supervised representation learning approach followed by
fine-tuning that improves detection of hotspots by classification. The SimSiam
network based ensemble classifier decides whether an image contains hotspots or
not. Detection of hotspots is followed by precise hotspot isolation. By doing
so, we are able to provide a highly accurate and precise hotspot
identification, applicable to a wide range of applications. We created a novel
large thermal image dataset to address the issue of paucity of easily
accessible thermal images. Our experiments with the dataset created by us and a
publicly available segmentation dataset show the potential of our approach for
hotspot detection and its ability to isolate hotspots with high accuracy. We
achieve a Dice Coefficient of 0.736, the highest when compared with existing
hotspot identification techniques. Our experiments also show self-supervised
learning as a strong contender of supervised learning, providing competitive
metrics for hotspot detection, with the highest accuracy of our approach being
97%.
- Abstract（参考訳）: サーマルイメージングを用いたホットスポット検出は、最近、セキュリティアプリケーション、健康アプリケーション、機器監視アプリケーションなど、いくつかの産業アプリケーションで必須になっている。
ホットスポット検出は、機器が異常を発生できる産業安全において極めて重要である。
ホットスポットはそのような異常の早期の指標である。
熱画像におけるホットスポット検出の問題に対して,自己教師付き学習手法を提案する。
自己教師付き学習は、教師付き学習と競合する可能性を示しているが、サーモグラフィーへの応用は限られている。
これは、さまざまなデータ可用性の欠如、ドメイン固有の事前トレーニングモデル、標準化されたベンチマークなどが原因である。
本稿では,自己教師付き表現学習手法と,分類によるホットスポット検出を改善する微調整手法を提案する。
シムシアムネットワークベースのアンサンブル分類器は、画像がホットスポットを含むか否かを判定する。
ホットスポットの検出に続いて、正確なホットスポット分離が行われる。
これにより、広範囲のアプリケーションに適用可能な、高精度で正確なホットスポット識別を提供することができます。
我々は,熱画像のポーシティ問題に対処するために,新しい大規模熱画像データセットを作成した。
私たちの作成したデータセットと一般公開されたセグメンテーションデータセットを用いた実験では、ホットスポット検出へのアプローチの可能性と、高い精度でホットスポットを分離する能力を示しています。
我々は既存のホットスポット識別技術と比較して最も高いDice係数0.736を達成する。
我々の実験は、教師付き学習の強力な競争相手として自己教師付き学習を示し、ホットスポット検出のための競争指標を提供し、我々のアプローチの最も高い精度は97%である。
関連論文リスト
- Rapid Wildfire Hotspot Detection Using Self-Supervised Learning on Temporal Remote Sensing Data [0.12289361708127873]
衛星ネットワークや高度なAIモデルからリモートセンシングされたデータを活用して、ホットスポットを自動的に検出することは、山火事モニタリングシステムを構築する効果的な方法である。
本稿では,欧州の火災イベントに関連するリモートセンシングデータの時系列を含む新しいデータセットと,多時期データを解析し,潜在的にほぼリアルタイムにホットスポットを識別できる自己監視学習(SSL)モデルを提案する。
我々は、我々のデータセットといくつかの火災イベントを含む熱異常のデータセットであるThrawsを用いて、モデルの性能を訓練し、評価し、F1スコア63.58を得る。
論文 参考訳（メタデータ） (2024-05-30T14:31:46Z) - One-class anomaly detection through color-to-thermal AI for building
envelope inspection [0.0]
本研究では,建築封筒のサーモグラフィ検査における異常検出のためのラベルフリー手法を提案する。
これは、カラー画像からの熱分布を予測するAIによる予測に基づいている。
論文 参考訳（メタデータ） (2024-02-05T12:41:30Z) - A Multimodal Supervised Machine Learning Approach for Satellite-based
Wildfire Identification in Europe [0.34410212782758043]
本稿では,衛星による自動ホットスポット検出システムの精度を向上させるために,山火事識別ソリューションを提案する。
我々は、モデレート分解能イメージング分光計(MODIS)と可視赤外線放射計(VIIRS)ホットスポットサービスによって検出された熱異常を相互参照する。
そこで本稿では,山火事と他のイベントを区別し,ホットスポットの検出を曖昧にするための教師付き機械学習手法を提案する。
論文 参考訳（メタデータ） (2023-07-27T08:28:57Z) - Open-Vocabulary 3D Detection via Image-level Class and Debiased
Cross-modal Contrastive Learning [62.18197846270103]
現在の点雲検出法では,実世界の開語彙を検出するのが困難である。
画像レベルのクラス管理を用いたオープン語彙3DDETectorであるOV-3DETICを提案する。
論文 参考訳（メタデータ） (2022-07-05T12:13:52Z) - Target-aware Dual Adversarial Learning and a Multi-scenario
Multi-Modality Benchmark to Fuse Infrared and Visible for Object Detection [65.30079184700755]
本研究は、物体検出のために異なるように見える赤外線と可視画像の融合の問題に対処する。
従来のアプローチでは、2つのモダリティの根底にある共通点を発見し、反復最適化またはディープネットワークによって共通空間に融合する。
本稿では、融合と検出の連立問題に対する二段階最適化の定式化を提案し、その後、核融合と一般的に使用される検出ネットワークのためのターゲット認識デュアル逆学習(TarDAL)ネットワークに展開する。
論文 参考訳（メタデータ） (2022-03-30T11:44:56Z) - Meta-UDA: Unsupervised Domain Adaptive Thermal Object Detection using
Meta-Learning [64.92447072894055]
赤外線(IR)カメラは、照明条件や照明条件が悪ければ頑丈である。
既存のUDA手法を改善するためのアルゴリズムメタ学習フレームワークを提案する。
KAISTおよびDSIACデータセットのための最先端熱検出器を作成した。
論文 参考訳（メタデータ） (2021-10-07T02:28:18Z) - Towards Reducing Labeling Cost in Deep Object Detection [61.010693873330446]
本稿では,検知器の不確実性と頑健性の両方を考慮した,アクティブラーニングのための統一的なフレームワークを提案する。
提案手法は, 確率分布のドリフトを抑えながら, 極めて確実な予測を擬似ラベル化することができる。
論文 参考訳（メタデータ） (2021-06-22T16:53:09Z) - FiSH: Fair Spatial Hotspots [7.472488862351863]
空間ホットスポットの検出における公平性を初めて検討する。
注意力-公平性トレードオフスペクトルにおける多様な解の集合を同定するタスクを特徴付ける。
我々は、高品質で公平で多様な空間ホットスポットを効率的に識別する手法、FiSHというコードネームの手法を考案した。
論文 参考訳（メタデータ） (2021-06-01T10:29:03Z) - Seasonal Contrast: Unsupervised Pre-Training from Uncurated Remote
Sensing Data [64.40187171234838]
季節的コントラスト(SeCo)は、リモートセンシング表現のドメイン内事前トレーニングにラベルのないデータを活用するための効果的なパイプラインである。
SeCoは、転送学習を容易にし、再リモートセンシングアプリケーションの急速な進歩を可能にするために公開されます。
論文 参考訳（メタデータ） (2021-03-30T18:26:39Z) - Exploring Thermal Images for Object Detection in Underexposure Regions
for Autonomous Driving [67.69430435482127]
アンダーエクスポージャー地域は、安全な自動運転のための周囲の完全な認識を構築するのに不可欠である。
サーマルカメラが利用可能になったことで、他の光学センサーが解釈可能な信号を捉えていない地域を探索するための重要な代替手段となった。
本研究は,可視光画像から熱画像へ学習を伝達するためのスタイル伝達手法を用いたドメイン適応フレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-01T09:59:09Z)
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。