論文の概要: One-class anomaly detection through color-to-thermal AI for building envelope inspection

• arxiv url: http://arxiv.org/abs/2402.02963v1
• Date: Mon, 5 Feb 2024 12:41:30 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-06 16:24:06.798913
• Title: One-class anomaly detection through color-to-thermal AI for building envelope inspection
• Title（参考訳）: 建築封筒検査のためのカラー・トゥ・サーマルAIによる一級異常検出
• Authors: Polina Kurtser, Kailun Feng, Thomas Olofsson, Aitor De Andres
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a label-free method for detecting anomalies during thermographic inspection of building envelopes. It is based on the AI-driven prediction of thermal distributions from color images. Effectively the method performs as a one-class classifier of the thermal image regions with high mismatch between the predicted and actual thermal distributions. The algorithm can learn to identify certain features as normal or anomalous by selecting the target sample used for training. We demonstrated this principle by training the algorithm with data collected at different outdoors temperature, which lead to the detection of thermal bridges. The method can be implemented to assist human professionals during routine building inspections or combined with mobile platforms for automating examination of large areas.
• Abstract（参考訳）: 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。 カラー画像からの熱分布のaiによる予測に基づいている。 本手法は、予測された熱分布と実際の熱分布とのミスマッチの高い熱画像領域の1級分類器として機能する。 このアルゴリズムは、トレーニングに使用するターゲットサンプルを選択することで、特定の特徴を正常または異常として識別することができる。 この原理は, 異なる屋外温度で収集したデータを用いてアルゴリズムを訓練し, 熱橋の検出に繋がることを示した。 本手法は, 定期的な建築検査や, 大規模検診の自動化のための移動プラットフォームと連携して, 作業者を支援する。

関連論文リスト

• Video Anomaly Detection via Spatio-Temporal Pseudo-Anomaly Generation : A Unified Approach [49.995833831087175]
  本研究は,画像のマスキング領域にペンキを塗布することにより,汎用的な映像時間PAを生成する手法を提案する。 さらに,OCC設定下での現実世界の異常を検出するための単純な統合フレームワークを提案する。 提案手法は,OCC設定下での既存のPAs生成および再構築手法と同等に動作する。
  論文  参考訳（メタデータ） (2023-11-27T13:14:06Z)
• Self-supervised learning for hotspot detection and isolation from thermal images [1.7132914341329852]
  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。
  論文  参考訳（メタデータ） (2023-08-25T06:59:26Z)
• Unsupervised Wildfire Change Detection based on Contrastive Learning [1.53934570513443]
  山火事の深刻度を正確に評価することは, 火災発生地域における燃料条件のキャラクタリゼーションに寄与する。 本研究の目的は、高解像度マルチスペクトル衛星画像上に構築された自律システムを開発することである。
  論文  参考訳（メタデータ） (2022-11-26T20:13:14Z)
• Self-Supervised Predictive Convolutional Attentive Block for Anomaly Detection [97.93062818228015]
  本稿では,再建に基づく機能を,新たな自己監督型予測アーキテクチャビルディングブロックに統合することを提案する。 我々のブロックは、受容領域におけるマスク領域に対する再構成誤差を最小限に抑える損失を備える。 画像やビデオの異常検出のための最先端フレームワークに組み込むことで,ブロックの汎用性を実証する。
  論文  参考訳（メタデータ） (2021-11-17T13:30:31Z)
• 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)
• Energy-Based Anomaly Detection and Localization [6.423239719448169]
  本稿では,視覚異常検出と局所化問題の統一解への最初の進歩を概観する。 エネルギーベースモデル(EBM)からの密度推定を、異常画像から正常画像を識別するために使用できる正常スコアとして採用します。 空間的局所化に加えて,グラデーションマップの簡易な処理により,新たな正規性スコアが得られることを示した。
  論文  参考訳（メタデータ） (2021-05-07T13:49:17Z)
• Robust pedestrian detection in thermal imagery using synthesized images [39.33977680993236]
  熱領域における歩行者検出を2段階に分けて改善する手法を提案する。 まず、生成データ拡張アプローチを使用し、次いで、生成されたデータを用いたドメイン適応法は、RGB歩行者検出器に適応する。 我々の検出器は,最先端技術に関して,KAIST上で最高の単一モダリティ検出結果を達成する。
  論文  参考訳（メタデータ） (2021-02-03T11:08:31Z)
• Unsupervised Dense Shape Correspondence using Heat Kernels [50.682560435495034]
  本稿では,近年の深層関数マップフレームワークを用いて,形状間の密接な対応を学習するための教師なし手法を提案する。 地平線対応や計算に高価な測地線距離に依存するのではなく、熱核を用いる。 本稿では,部分性,トポロジカルノイズ,接続性の違いなど,様々な課題があるベンチマークに対して,本手法の結果を示す。
  論文  参考訳（メタデータ） (2020-10-23T21:54:10Z)
• 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)
• UC-Net: Uncertainty Inspired RGB-D Saliency Detection via Conditional Variational Autoencoders [81.5490760424213]
  データラベリングプロセスから学習することで、RGB-Dサリエンシ検出に不確実性を利用するための第1のフレームワーク(UCNet)を提案する。 そこで本研究では,サリエンシデータラベリングにヒントを得て,確率的RGB-Dサリエンシ検出ネットワークを提案する。
  論文  参考訳（メタデータ） (2020-04-13T04:12:59Z)

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。