論文の概要: On the variants of SVM methods applied to GPR data to classify tack coat characteristics in French pavements: two experimental case studies

• arxiv url: http://arxiv.org/abs/2312.03351v1
• Date: Wed, 6 Dec 2023 08:50:01 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-07 15:32:49.897676
• Title: On the variants of SVM methods applied to GPR data to classify tack coat characteristics in French pavements: two experimental case studies
• Title（参考訳）: フランス舗装のタックコート特性を分類するためにGPRデータに適用されたSVM法の変種について:2つの実験ケーススタディ
• Authors: Gr\'egory Andreoli (MAST-EMGCU), Amine Ihamouten (MAST-LAMES), Mai Lan Nguyen (MAST-LAMES), Yannick Fargier (GERS-RRO), Cyrille Fauchard (ENDSUM), Jean-Michel Simonin (MAST-LAMES), Viktoriia Buliuk (GERS-GeoEND), David Souriou (FI-NDT), Xavier D\'erobert (GERS-GeoEND)
• Abstract要約: 地中貫入レーダー(GPR)は、最も広く採用されている非破壊技術の一つである。 本稿では,異なる舗装構造を持つ2つの実験事例に対して,機械学習に基づく逆アプローチを適用することを提案する。 いずれの場合も,SVM/SVR法の性能は,タックコートに比例するエマルションを分類・推定するための教師あり学習法の有効性を示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Among the commonly used non-destructive techniques, the Ground Penetrating Radar (GPR) is one of the most widely adopted today for assessing pavement conditions in France. However, conventional radar systems and their forward processing methods have shown their limitations for the physical and geometrical characterization of very thin layers such as tack coats. However, the use of Machine Learning methods applied to GPR with an inverse approach showed that it was numerically possible to identify the tack coat characteristics despite masking effects due to low timefrequency resolution noted in the raw B-scans. Thus, we propose in this paper to apply the inverse approach based on Machine Learning, already validated in previous works on numerical data, on two experimental cases with different pavement structures. The first case corresponds to a validation on known pavement structures on the Gustave Eiffel University (Nantes, France) with its pavement fatigue carousel and the second case focuses on a new real road in Vend{\'e}e department (France). In both case studies, the performances of SVM/SVR methods showed the efficiency of supervised learning methods to classify and estimate the emulsion proportioning in the tack coats.
• Abstract（参考訳）: 一般に使われている非破壊技術のうち、グラウンド・ペネトレーション・レーダー(GPR)は、今日のフランスにおける舗装条件の評価において最も広く採用されている1つである。 しかし、従来のレーダーシステムとその前方処理法は、タックコートのような非常に薄い層の物理的および幾何学的特性に制限を課している。 しかし, 逆手法を用いてGPRに適用した機械学習手法を用いることで, 生Bスキャンの低周波数分解能によるマスキング効果にも拘わらず, タックコート特性を数値的に同定できることが判明した。 そこで本稿では,従来の数値データにおいてすでに検証されている機械学習に基づく逆手法を,異なる舗装構造を持つ2つの実験事例に適用する。 第1のケースは、グスタフ・エッフェル大学(フランス、ナント)の既知の舗装構造とその舗装疲労カルーセルの検証に対応し、第2のケースは、vance{\e}e部門(フランス)の新しい現実の道路に焦点を当てている。 いずれの場合も,SVM/SVR法の性能は,タックコートに比例するエマルションを分類・推定するための教師あり学習法の有効性を示した。

関連論文リスト

• UniForensics: Face Forgery Detection via General Facial Representation [60.5421627990707]
  高レベルの意味的特徴は摂動の影響を受けにくく、フォージェリー固有の人工物に限らないため、より強い一般化がある。 我々は、トランスフォーマーベースのビデオネットワークを活用する新しいディープフェイク検出フレームワークUniForensicsを導入し、顔の豊かな表現のためのメタファンクショナルな顔分類を行う。
  論文  参考訳（メタデータ） (2024-07-26T20:51:54Z)
• Towards Seamless Adaptation of Pre-trained Models for Visual Place Recognition [72.35438297011176]
  視覚的位置認識のための事前学習モデル(VPR)のシームレスな適応を実現する新しい手法を提案する。 具体的には、地域を識別するための有意義なランドマークに焦点を当てたグローバルな特徴とローカルな特徴の両方を得るために、ハイブリッド適応法を設計する。 実験結果から,本手法はトレーニングデータやトレーニング時間が少なく,最先端の手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2024-02-22T12:55:01Z)
• Multi-layer Aggregation as a key to feature-based OOD detection [1.2234742322758418]
  ディープラーニングモデルは、トレーニング段階で観察されなかった入力画像のバリエーションによって容易に妨げられ、予測不可能な予測をもたらす。 近年,訓練されたモデルの中間的特徴の分析に基づいて,新しい手法のカテゴリが出現している。 有望ではあるが、これらのアルゴリズムの適切な比較はいまだに欠けている。
  論文  参考訳（メタデータ） (2023-07-28T16:08:10Z)
• Towards Generalizable Deepfake Detection by Primary Region Regularization [52.41801719896089]
  本稿では,新しい正規化の観点から一般化能力を高める。 本手法は, 一次領域マップの静的な位置決めと, 一次領域マスクの動的利用の2段階からなる。 5つのバックボーンを持つDFDC,DF-1.0,Celeb-DFの3種類のディープフェイクデータセットについて広範な実験を行った。
  論文  参考訳（メタデータ） (2023-07-24T05:43:34Z)
• LatentForensics: Towards frugal deepfake detection in the StyleGAN latent space [2.629091178090276]
  本稿では,高品質な顔画像で訓練された最先端生成逆数ネットワーク(GAN)の潜時空間で動作するディープフェイク検出手法を提案する。 標準データセットの実験結果から,提案手法が他の最先端のディープフェイク分類法よりも優れていることが明らかになった。
  論文  参考訳（メタデータ） (2023-03-30T08:36:48Z)
• Detecting Out-of-distribution Examples via Class-conditional Impressions Reappearing [30.938412222724608]
  Out-of-Distribution(OOD)検出は、標準のディープニューラルネットワークを拡張して、元のトレーニングデータと異常な入力を区別することを目的としている。 プライバシーとセキュリティのため、補助的なデータは現実のシナリオでは実用的ではない傾向にある。 我々は,C2IR(Class-Conditional Impressions Reappearing)と呼ばれる,自然データに対する訓練を伴わないデータフリー手法を提案する。
  論文  参考訳（メタデータ） (2023-03-17T02:55:08Z)
• ATCON: Attention Consistency for Vision Models [0.8312466807725921]
  注意マップの整合性を改善する教師なしの微調整法を提案する。 Ablation studyではGrad-CAMおよびIntegrated Gradientsについて検討した。 これらの改良された注意マップは、臨床医が視覚モデル予測をよりよく理解するのに役立ちます。
  論文  参考訳（メタデータ） (2022-10-18T09:30:20Z)
• Query-Efficient Black-box Adversarial Attacks Guided by a Transfer-based Prior [50.393092185611536]
  対象モデルの勾配にアクセスできることなく、敵が敵の例を作らなければならないブラックボックスの敵設定を考える。 従来の手法では、代用ホワイトボックスモデルの転送勾配を用いたり、モデルクエリのフィードバックに基づいて真の勾配を近似しようとした。 偏りサンプリングと勾配平均化に基づく2つの事前誘導型ランダム勾配フリー(PRGF)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-03-13T04:06:27Z)
• Few-Shot Fine-Grained Action Recognition via Bidirectional Attention and Contrastive Meta-Learning [51.03781020616402]
  現実世界のアプリケーションで特定のアクション理解の需要が高まっているため、きめ細かいアクション認識が注目を集めている。 そこで本研究では,各クラスに付与されるサンプル数だけを用いて,新規なきめ細かい動作を認識することを目的とした,数発のきめ細かな動作認識問題を提案する。 粒度の粗い動作では進展があったが、既存の数発の認識手法では、粒度の細かい動作を扱う2つの問題に遭遇する。
  論文  参考訳（メタデータ） (2021-08-15T02:21:01Z)
• There and Back Again: Revisiting Backpropagation Saliency Methods [87.40330595283969]
  正当性法は,各入力サンプルの重要度マップを作成することによって,モデルの予測を説明する。 このような手法の一般的なクラスは、信号のバックプロパゲートと結果の勾配の分析に基づいている。 本稿では,そのような手法を統一可能な単一のフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-04-06T17:58:08Z)

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。