論文の概要: A statistical method for crack detection in 3D concrete images

• arxiv url: http://arxiv.org/abs/2402.16126v1
• Date: Sun, 25 Feb 2024 15:55:24 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-27 15:12:07.409716
• Title: A statistical method for crack detection in 3D concrete images
• Title（参考訳）: 3次元コンクリート画像におけるき裂検出の統計的方法
• Authors: Vitalii Makogin, Duc Nguyen and Evgeny Spodarev
• Abstract要約: クラック領域を事前に検出するためにはロバストなアルゴリズムが必要である。 提案手法は,CT画像中の亀裂領域を高い確率で識別する合理化手法を提供することにより,この問題に対処する。 興味のある領域を効率的に同定することにより、本アルゴリズムは材料構造内の潜在的な異常をより集中的に調べることができる。
• 参考スコア（独自算出の注目度）: 5.524804393257921
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In practical applications, effectively segmenting cracks in large-scale computed tomography (CT) images holds significant importance for understanding the structural integrity of materials. However, classical methods and Machine Learning algorithms often incur high computational costs when dealing with the substantial size of input images. Hence, a robust algorithm is needed to pre-detect crack regions, enabling focused analysis and reducing computational overhead. The proposed approach addresses this challenge by offering a streamlined method for identifying crack regions in CT images with high probability. By efficiently identifying areas of interest, our algorithm allows for a more focused examination of potential anomalies within the material structure. Through comprehensive testing on both semi-synthetic and real 3D CT images, we validate the efficiency of our approach in enhancing crack segmentation while reducing computational resource requirements.
• Abstract（参考訳）: 実例では,大規模CT画像のひび割れを効果的に分割することが,材料の構造的整合性を理解する上で重要である。 しかし、古典的な手法と機械学習アルゴリズムは、入力画像のかなりのサイズを扱う場合、しばしば高い計算コストを発生させる。 したがって、クラック領域を事前に検出するためにはロバストなアルゴリズムが必要であり、集中分析と計算オーバーヘッドの低減が可能となる。 提案手法は,CT画像中の亀裂領域を高い確率で識別する合理化手法を提供することにより,この問題に対処する。 興味のある領域を効率的に同定することで,材料構造内の潜在的な異常をより集中的に検討できる。 半合成ct画像と実3次元ct画像の両方を総合的にテストすることにより,計算資源要件を低減しつつ亀裂セグメント化の促進における手法の有効性を検証する。

関連論文リスト

• Deep Learning-Based Fatigue Cracks Detection in Bridge Girders using Feature Pyramid Networks [8.59780173800845]
  本研究では,橋梁の鋼箱桁のひび割れ情報を含む高分解能画像からの自動き裂分割手法を提案する。 亀裂のマルチスケールの特徴を考慮し, 亀裂検出のための特徴ピラミッドネットワーク(FPN)の畳み込みニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-10-28T16:16:15Z)
• Research on Splicing Image Detection Algorithms Based on Natural Image Statistical Characteristics [12.315852697312195]
  本稿では,自然画像の統計的特徴に基づく新しいスプライシング画像検出アルゴリズムを提案する。 従来の手法の限界を解析することにより,高度な統計解析手法と機械学習手法を統合した検出フレームワークを開発した。 このアルゴリズムは、複数の公開データセットを用いて検証され、スプライシングエッジの検出と、改ざんされた領域の特定に高い精度を示す。
  論文  参考訳（メタデータ） (2024-04-25T02:28:16Z)
• Towards Head Computed Tomography Image Reconstruction Standardization with Deep Learning Assisted Automatic Detection [5.288684776927016]
  頭部CT像の3次元再構成は組織構造の複雑な空間的関係を解明する。 偏差のない最適な頭部CTスキャンを確保することは、技術者による低い位置決め、患者の身体的制約、CTスキャナの傾斜角度制限など、臨床環境では困難である。 そこで本研究では,手動による介入を低減し,精度と再現性を向上し,効率的な頭部CT画像の3D再構成法を提案する。
  論文  参考訳（メタデータ） (2023-07-31T06:58:49Z)
• Two Approaches to Supervised Image Segmentation [55.616364225463066]
  本研究は、深層学習とマルチセットニューロンのアプローチの比較実験を開発する。 ディープラーニングアプローチは、画像セグメンテーションの実行の可能性を確認した。 代替のマルチセット手法では、計算資源をほとんど必要とせずに精度を向上することができた。
  論文  参考訳（メタデータ） (2023-07-19T16:42:52Z)
• Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
  深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。 実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
  論文  参考訳（メタデータ） (2023-05-27T03:55:19Z)
• A Novel Algorithm for Exact Concave Hull Extraction [0.0]
  領域抽出は、自律運転における物体検出から細胞生物学における細胞内形態解析まで、幅広い用途で必要とされる。 2つの主要なアプローチがある: 凸殻抽出(convex hull extract)は、正確で効率的なアルゴリズムが存在し、実世界の形状を捉えるのに優れているが、単一の解を持たない。 本研究では,コンケーブ内包を最大分解能(ピクセル完全)で提供し,速度効率のトレードオフを調整可能な新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-06-23T05:26:48Z)
• High Quality Segmentation for Ultra High-resolution Images [72.97958314291648]
  超高分解能セグメンテーション精錬作業のための連続精細モデルを提案する。 提案手法は画像分割精細化において高速かつ効果的である。
  論文  参考訳（メタデータ） (2021-11-29T11:53:06Z)
• Data-driven generation of plausible tissue geometries for realistic photoacoustic image synthesis [53.65837038435433]
  光音響トモグラフィ(pat)は形態的および機能的組織特性を回復する可能性がある。 我々は,PATデータシミュレーションの新たなアプローチを提案し,これを「シミュレーションの学習」と呼ぶ。 我々は、意味的注釈付き医療画像データに基づいて訓練されたGAN(Generative Adversarial Networks)の概念を活用して、可塑性組織ジオメトリを生成する。
  論文  参考訳（メタデータ） (2021-03-29T11:30:18Z)
• Learning Deformable Image Registration from Optimization: Perspective, Modules, Bilevel Training and Beyond [62.730497582218284]
  マルチスケールの伝搬により微分同相モデルを最適化する,新しいディープラーニングベースのフレームワークを開発した。 我々は,脳MRIデータにおける画像-アトラス登録,肝CTデータにおける画像-画像登録を含む,3次元ボリュームデータセットにおける画像登録実験の2つのグループを実行する。
  論文  参考訳（メタデータ） (2020-04-30T03:23:45Z)
• Learned Spectral Computed Tomography [0.0]
  スペクトル光子結合型CTのためのディープラーニングイメージング法を提案する。 この方法は、ケース固有データを用いて訓練された2段階の学習された原始双対アルゴリズムの形を取る。 提案手法は, 限られたデータの場合であっても, 高速再構成機能と高速撮像性能により特徴付けられる。
  論文  参考訳（メタデータ） (2020-03-09T13:39:12Z)
• Towards High Performance Human Keypoint Detection [87.1034745775229]
  文脈情報は人体構成や見えないキーポイントを推論する上で重要な役割を担っている。 そこで我々は,空間とチャネルのコンテキスト情報を効率的に統合するカスケードコンテキストミキサー(CCM)を提案する。 CCMの表現能力を最大化するために、我々は、強陰性な人検出マイニング戦略と共同訓練戦略を開発する。 検出精度を向上させるために,キーポイント予測を後処理するためのいくつかのサブピクセル改良手法を提案する。
  論文  参考訳（メタデータ） (2020-02-03T02:24:51Z)

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。