論文の概要: CrackCLF: Automatic Pavement Crack Detection based on Closed-Loop
Feedback
- arxiv url: http://arxiv.org/abs/2311.11815v1
- Date: Mon, 20 Nov 2023 14:52:48 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-21 18:26:15.047658
- Title: CrackCLF: Automatic Pavement Crack Detection based on Closed-Loop
Feedback
- Title(参考訳): CrackCLF:クローズドループフィードバックに基づく自動舗装き裂検出
- Authors: Chong Li, Zhun Fan, Ying Chen, Huibiao Lin, Laura Moretti, Giuseppe
Loprencipe, Weihua Sheng, Kelvin C. P. Wang
- Abstract要約: CrackCLFはニューラルネットワークモデルであり、自分でエラーを修正することを学習する。
提案されたCLFは、プラグアンドプレイモジュールとして定義することができ、異なるニューラルネットワークモデルに組み込んでパフォーマンスを改善することができる。
- 参考スコア(独自算出の注目度): 14.986335013488643
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automatic pavement crack detection is an important task to ensure the
functional performances of pavements during their service life. Inspired by
deep learning (DL), the encoder-decoder framework is a powerful tool for crack
detection. However, these models are usually open-loop (OL) systems that tend
to treat thin cracks as the background. Meanwhile, these models can not
automatically correct errors in the prediction, nor can it adapt to the changes
of the environment to automatically extract and detect thin cracks. To tackle
this problem, we embed closed-loop feedback (CLF) into the neural network so
that the model could learn to correct errors on its own, based on generative
adversarial networks (GAN). The resulting model is called CrackCLF and includes
the front and back ends, i.e. segmentation and adversarial network. The front
end with U-shape framework is employed to generate crack maps, and the back end
with a multi-scale loss function is used to correct higher-order
inconsistencies between labels and crack maps (generated by the front end) to
address open-loop system issues. Empirical results show that the proposed
CrackCLF outperforms others methods on three public datasets. Moreover, the
proposed CLF can be defined as a plug and play module, which can be embedded
into different neural network models to improve their performances.
- Abstract(参考訳): 舗装ひび割れの自動検出は,舗装の寿命における機能的性能を確保する上で重要な課題である。
ディープラーニング(DL)にインスパイアされたエンコーダデコーダフレームワークは,ひび割れ検出のための強力なツールである。
しかしながら、これらのモデルは通常、薄い亀裂を背景として扱う傾向があるオープンループ(OL)システムである。
一方、これらのモデルは予測の誤りを自動的に修正することはできず、環境の変化に適応してき裂を自動的に抽出し検出することができない。
この問題に対処するため,GAN(Generative Adversarial Network)に基づいて,ニューラルネットワークに閉ループフィードバック(CLF)を組み込んで,モデルが自身でエラーを修正することを学習した。
その結果得られたモデルはcrackclfと呼ばれ、前端と後端、すなわちセグメンテーションと逆ネットワークを含んでいる。
U字型フレームワークのフロントエンドはクラックマップを生成するために使用され、複数スケールのロス関数を持つバックエンドはラベルとクラックマップの高次不整合を補正してオープンループシステム問題に対処する。
実験の結果,提案したCrackCLFは3つの公開データセット上で他の手法よりも優れていた。
さらに、提案されたCLFはプラグアンドプレイモジュールとして定義することができ、異なるニューラルネットワークモデルに組み込んでパフォーマンスを改善することができる。
関連論文リスト
- Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。
拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。
MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
論文 参考訳(メタデータ) (2024-05-01T12:03:39Z) - Segmentation tool for images of cracks [0.16492989697868887]
本稿では,画像上のひび割れを手動で分割しやすくする半自動き裂分割ツールを提案する。
また、ひび割れの形状を測定するためにも用いられる。
提案手法は完全自動手法より優れており,手動データアノテーションの適切な代替となる可能性を示している。
論文 参考訳(メタデータ) (2024-03-28T15:23:52Z) - CrackNex: a Few-shot Low-light Crack Segmentation Model Based on Retinex
Theory for UAV Inspections [9.27355428681897]
CrackNexは、Retinex Theoryに基づく反射情報を利用して、モデルが統一された照明不変表現を学ぶのを助けるフレームワークである。
LCSDは102個の高照度き裂画像と41個の低照度き裂画像からなる。
論文 参考訳(メタデータ) (2024-03-05T15:52:54Z) - Identifying and Mitigating Model Failures through Few-shot CLIP-aided
Diffusion Generation [65.268245109828]
本稿では,突発的相関に付随する障害モードのテキスト記述を生成するためのエンドツーエンドフレームワークを提案する。
これらの記述は拡散モデルのような生成モデルを用いて合成データを生成するのに使うことができる。
本実験では, ハードサブポピュレーションの精度(sim textbf21%$)が著しく向上した。
論文 参考訳(メタデータ) (2023-12-09T04:43:49Z) - 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) - Making Reconstruction-based Method Great Again for Video Anomaly
Detection [64.19326819088563]
ビデオの異常検出は重要な問題だが、難しい問題だ。
既存の再構成に基づく手法は、昔ながらの畳み込みオートエンコーダに依存している。
連続フレーム再構築のための新しいオートエンコーダモデルを提案する。
論文 参考訳(メタデータ) (2023-01-28T01:57:57Z) - Self-Supervised Training with Autoencoders for Visual Anomaly Detection [55.52743265122446]
ディープオートエンコーダは視覚領域における異常検出のタスクに使われてきた。
我々は、訓練中に識別情報を使用することが可能な自己指導型学習体制を適用することで、この問題に対処する。
MVTec ADデータセットを用いた実験では,高い検出性能と局所化性能を示した。
論文 参考訳(メタデータ) (2022-06-23T14:16:30Z) - CREPO: An Open Repository to Benchmark Credal Network Algorithms [78.79752265884109]
クレダルネットワークは、確率質量関数の集合であるクレダルに基づく不正確な確率的グラフィカルモデルである。
CREMAと呼ばれるJavaライブラリが最近リリースされ、クレダルネットワークをモデル化し、処理し、クエリする。
我々は,これらのモデル上での推論タスクの正確な結果とともに,合成クレダルネットワークのオープンリポジトリであるcrrepoを提案する。
論文 参考訳(メタデータ) (2021-05-10T07:31:59Z) - Multi-context Attention Fusion Neural Network for Software Vulnerability
Identification [4.05739885420409]
ソースコードのセキュリティ脆弱性の共通カテゴリのいくつかを効率的に検出することを学ぶディープラーニングモデルを提案する。
モデルは、学習可能なパラメータの少ないコードセマンティクスの正確な理解を構築します。
提案したAIは、ベンチマークされたNIST SARDデータセットから特定のCWEに対して98.40%のF1スコアを達成する。
論文 参考訳(メタデータ) (2021-04-19T11:50:36Z) - Salvage Reusable Samples from Noisy Data for Robust Learning [70.48919625304]
本稿では,Web画像を用いた深部FGモデルのトレーニングにおいて,ラベルノイズに対処するための再利用可能なサンプル選択と修正手法を提案する。
私たちのキーとなるアイデアは、再利用可能なサンプルの追加と修正を行い、それらをクリーンな例とともに活用してネットワークを更新することです。
論文 参考訳(メタデータ) (2020-08-06T02:07:21Z)
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。