論文の概要: Image Recognition of Oil Leakage Area Based on Logical Semantic
Discrimination
- arxiv url: http://arxiv.org/abs/2311.02256v2
- Date: Fri, 17 Nov 2023 06:58:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-22 16:40:21.580033
- Title: Image Recognition of Oil Leakage Area Based on Logical Semantic
Discrimination
- Title（参考訳）: 論理意味的識別に基づく油漏れ領域の画像認識
- Authors: Weiying Lin, Che Liu, Xin Zhang, Zhen Wei, Sizhe Li, Xun Ma
- Abstract要約: 論理規則に基づく識別と画像認識の統合が提案されている。
このアプローチでは、オブジェクト間の空間的関係を認識して、石油流出のイメージを意味的にセグメント化する。
以上の結果から, 本手法は, 石油汚染地域を特定する上での課題に十分に取り組むことが可能であることが示唆された。
- 参考スコア（独自算出の注目度）: 11.792559057876693
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Implementing precise detection of oil leaks in peak load equipment through
image analysis can significantly enhance inspection quality and ensure the
system's safety and reliability. However, challenges such as varying shapes of
oil-stained regions, background noise, and fluctuating lighting conditions
complicate the detection process. To address this, the integration of logical
rule-based discrimination into image recognition has been proposed. This
approach involves recognizing the spatial relationships among objects to
semantically segment images of oil spills using a Mask RCNN network. The
process begins with histogram equalization to enhance the original image,
followed by the use of Mask RCNN to identify the preliminary positions and
outlines of oil tanks, the ground, and areas of potential oil contamination.
Subsequent to this identification, the spatial relationships between these
objects are analyzed. Logical rules are then applied to ascertain whether the
suspected areas are indeed oil spills. This method's effectiveness has been
confirmed by testing on images captured from peak power equipment in the field.
The results indicate that this approach can adeptly tackle the challenges in
identifying oil-contaminated areas, showing a substantial improvement in
accuracy compared to existing methods.
- Abstract（参考訳）: 画像解析によるピーク負荷装置の油漏れの正確な検出は、検査品質を大幅に向上させ、システムの安全性と信頼性を確保する。
しかし, 油彩領域の形状の変化, 背景雑音, 変動する照明条件などの課題は, 検出過程を複雑にしている。
これを解決するために,論理規則に基づく識別と画像認識の統合が提案されている。
このアプローチでは,Mask RCNNネットワークを用いて,オブジェクト間の空間的関係を認識し,石油流出のイメージを意味的に分割する。
このプロセスは、原画像を強化するためにヒストグラムの等化から始まり、続いてMask RCNNを使用して石油タンク、地上および潜在的な石油汚染領域の予備的な位置と概要を特定する。
その結果,これらの物体間の空間的関係を解析した。
論理規則は、疑わしい地域が実際に原油流出であるかどうかを確認するために適用される。
この手法の有効性は、現場のピーク電力機器から撮影した画像で確認されている。
以上の結果から,このアプローチは油汚染地域を特定する際の課題を適切に解決できる可能性が示唆され,既存の手法に比べて精度が大幅に向上した。
関連論文リスト
- LampMark: Proactive Deepfake Detection via Training-Free Landmark Perceptual Watermarks [7.965986856780787]
本稿では,LampMarkを略して,新しい学習自由なランドマークとして紹介する。
まず、Deepfake操作の構造に敏感な特性を分析し、セキュアで機密性の高い変換パイプラインを考案する。
本稿では,保護対象画像に関する透かしを認識不能に埋め込み,抽出するエンド・ツー・エンドの透かしフレームワークを提案する。
論文 参考訳（メタデータ） (2024-11-26T08:24:56Z) - LADMIM: Logical Anomaly Detection with Masked Image Modeling in Discrete Latent Space [0.0]
マスク付き画像モデリングは、画像中のマスキング領域の特徴表現を予測する自己教師付き学習技術である。
本稿では,MIMの特性を利用して論理異常を効果的に検出する手法を提案する。
提案手法をMVTecLOCOデータセット上で評価し,平均AUC 0.867。
論文 参考訳（メタデータ） (2024-10-14T07:50:56Z) - FlowSDF: Flow Matching for Medical Image Segmentation Using Distance Transforms [60.195642571004804]
署名された距離関数(SDF)を表す画像誘導型条件付きフローマッチングフレームワークであるFlowSDFを提案する。
SDFの条件分布の確率パスに直接関係するベクトル場を学習することにより、セグメント化マスクの分布から正確にサンプリングすることができる。
論文 参考訳（メタデータ） (2024-05-28T11:47:12Z) - DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。
画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。
MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
論文 参考訳（メタデータ） (2023-12-11T18:38:28Z) - DeepFidelity: Perceptual Forgery Fidelity Assessment for Deepfake
Detection [67.3143177137102]
ディープフェイク検出(Deepfake detection)とは、画像やビデオにおいて、人工的に生成された顔や編集された顔を検出すること。
本稿では,実顔と偽顔とを適応的に識別するDeepFidelityという新しいDeepfake検出フレームワークを提案する。
論文 参考訳（メタデータ） (2023-12-07T07:19:45Z) - Hyperspectral Remote Sensing Benchmark Database for Oil Spill Detection
with an Isolation Forest-Guided Unsupervised Detector [13.739881592455044]
近年、海洋石油流出事故が環境、天然資源、沿岸住民の生活に深刻な影響を与えているため、石油流出の検出が注目されている。
既存のアプローチのほとんどは、ハイパースペクトル画像(HSI)からのオイル流出を検出するための教師付きおよび半教師付きフレームワークに基づいている。
本研究では,HSIの孤立林を基盤とした非監督型油流出検出手法の開発を初めて試みる。
論文 参考訳（メタデータ） (2022-09-28T02:26:42Z) - Oil Spill SAR Image Segmentation via Probability Distribution Modelling [18.72207562693259]
本研究の目的は,SAR画像における海洋油流出の同定に有効なセグメンテーション手法を開発することである。
我々は,オイル流出SAR画像の確率分布表現を達成するために,SAR撮像機構を再検討する。
次に, 油流出特性を組み込んだセグメンテーションエネルギー関数を定式化するために, 分布表現を利用する。
論文 参考訳（メタデータ） (2021-12-17T17:22:29Z) - Detect and Locate: A Face Anti-Manipulation Approach with Semantic and
Noise-level Supervision [67.73180660609844]
本稿では,画像中の偽造顔を効率的に検出する,概念的にシンプルだが効果的な方法を提案する。
提案手法は,画像に関する意味の高い意味情報を提供するセグメンテーションマップに依存する。
提案モデルでは,最先端検出精度と顕著なローカライゼーション性能を実現する。
論文 参考訳（メタデータ） (2021-07-13T02:59:31Z) - Spatial-Phase Shallow Learning: Rethinking Face Forgery Detection in
Frequency Domain [88.7339322596758]
本論文では,空間画像と位相スペクトルを組み合わせ,顔の偽造のアップサンプリング成果をキャプチャするSPSL(Spatial-Phase Shallow Learning)法を提案する。
SPSLは、クロスデータセット評価における最先端性能とマルチクラス分類を実現し、単一データセット評価において同等の結果を得ることができる。
論文 参考訳（メタデータ） (2021-03-02T16:45:08Z) - DeepFake Detection Based on the Discrepancy Between the Face and its
Context [94.47879216590813]
単一画像における顔のスワップやその他のアイデンティティ操作を検出する手法を提案する。
提案手法は, (i) 厳密なセマンティックセグメンテーションによって境界付けられた顔領域を考慮した顔識別ネットワークと, (ii) 顔コンテキストを考慮したコンテキスト認識ネットワークの2つのネットワークを含む。
本稿では,2つのネットワークからの認識信号を用いて,そのような不一致を検出する手法について述べる。
提案手法は,FaceForensics++,Celeb-DF-v2,DFDCベンチマークを用いて顔検出を行い,未知の手法で生成した偽物の検出を一般化する。
論文 参考訳（メタデータ） (2020-08-27T17:04:46Z)
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。