論文の概要: Asphalt Concrete Characterization Using Digital Image Correlation: A
Systematic Review of Best Practices, Applications, and Future Vision
- arxiv url: http://arxiv.org/abs/2402.17074v1
- Date: Mon, 26 Feb 2024 23:15:41 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-28 18:22:29.573847
- Title: Asphalt Concrete Characterization Using Digital Image Correlation: A
Systematic Review of Best Practices, Applications, and Future Vision
- Title（参考訳）: デジタル画像相関を用いたアスファルトコンクリートの性状評価:ベストプラクティス,応用,今後の展望の体系的考察
- Authors: Siqi Wang, Zehui Zhu, Tao Ma, Jianwei Fan
- Abstract要約: デジタル画像相関(DIC)は、パターンの動きを追跡することで変位とひずみを測定する光学技術である。
DICは2000年代初頭からアスファルト舗装工学で認知されている。
本稿では, アスファルトコンクリートの試験試験における重要なツールとして, DICの現状について概説する。
- 参考スコア（独自算出の注目度）: 8.338754568970597
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Digital Image Correlation (DIC) is an optical technique that measures
displacement and strain by tracking pattern movement in a sequence of captured
images during testing. DIC has gained recognition in asphalt pavement
engineering since the early 2000s. However, users often perceive the DIC
technique as an out-of-box tool and lack a thorough understanding of its
operational and measurement principles. This article presents a state-of-art
review of DIC as a crucial tool for laboratory testing of asphalt concrete
(AC), primarily focusing on the widely utilized 2D-DIC and 3D-DIC techniques.
To address frequently asked questions from users, the review thoroughly
examines the optimal methods for preparing speckle patterns, configuring
single-camera or dual-camera imaging systems, conducting DIC analyses, and
exploring various applications. Furthermore, emerging DIC methodologies such as
Digital Volume Correlation and deep-learning-based DIC are introduced,
highlighting their potential for future applications in pavement engineering.
The article also provides a comprehensive and reliable flowchart for
implementing DIC in AC characterization. Finally, critical directions for
future research are presented.
- Abstract（参考訳）: デジタル画像相関(digital image correlation, dic)は、撮像された画像列のパターン移動を追跡して変位とひずみを測定する光学的手法である。
DICは2000年代初頭からアスファルト舗装工学で認知されている。
しかし、ユーザはDICテクニックをアウトオブボックスツールとして認識し、その運用と測定の原則を十分に理解していないことが多い。
本稿では, アスファルトコンクリート(AC)の試験試験における重要なツールとしてのDICの現状について, 広く利用されている2D-DIC技術と3D-DIC技術に着目して概説する。
ユーザからの頻繁な質問に対処するために、スペックルパターンの作成、単一カメラまたはデュアルカメライメージングシステムの設定、DIC分析の実行、様々な応用の探索方法について徹底的に検討した。
さらに,Digital Volume correlationやDeep-learning-based DICといった新しいDIC手法を導入し,今後の舗装工学への応用の可能性を強調した。
この記事はまた、ACキャラクタリゼーションにDICを実装するための包括的で信頼性の高いフローチャートも提供している。
最後に,今後の研究の方向性について述べる。
関連論文リスト
- Predictive Digital Twin for Condition Monitoring Using Thermal Imaging [0.0]
本稿では,条件監視に特化して設計された予測デジタル双対の開発と実用化について検討する。
我々は、堅牢なデジタルツインフレームワークを確立するために、高度な数学的モデルと熱画像技術を用いている。
本稿では,バーチャルリアリティ,ユーザインタラクションの強化,システム理解などを含むヒューマンマシンインタフェースの利用について紹介する。
論文 参考訳（メタデータ） (2024-11-08T11:23:57Z) - Benchmarking Graph Learning for Drug-Drug Interaction Prediction [30.712106722531313]
薬物・薬物相互作用の予測(DDI)は薬理学と医療において重要な役割を担っている。
近年,薬物と薬物の相互作用を予測するグラフ学習法が提案されている。
グラフ学習におけるDDI予測ベンチマークを提案する。
論文 参考訳（メタデータ） (2024-10-24T09:35:34Z) - Underwater Object Detection in the Era of Artificial Intelligence: Current, Challenge, and Future [119.88454942558485]
水中物体検出(UOD)は、水中の画像やビデオ中の物体を識別し、ローカライズすることを目的としている。
近年、人工知能(AI)に基づく手法、特に深層学習法は、UODにおいて有望な性能を示している。
論文 参考訳（メタデータ） (2024-10-08T00:25:33Z) - CatFree3D: Category-agnostic 3D Object Detection with Diffusion [63.75470913278591]
本稿では,2次元検出と深度予測から3次元検出を分離するパイプラインを提案する。
また,3次元検出結果の正確な評価のために,正規化ハンガリー距離(NHD)指標も導入した。
論文 参考訳（メタデータ） (2024-08-22T22:05:57Z) - Equivariant Imaging for Self-supervised Hyperspectral Image Inpainting [6.099927091387616]
ハイパースペクトル同変イメージング(Hyper-EI)と呼ばれる新しいHSI塗装アルゴリズムを提案する。
提案手法は,既存手法と比較して,最先端の塗装性能を実現する。
論文 参考訳（メタデータ） (2024-04-19T19:55:15Z) - CADGL: Context-Aware Deep Graph Learning for Predicting Drug-Drug Interactions [5.648318448953635]
薬物・薬物相互作用(DDIs)は、薬物開発における重要な要素である。
我々は,CADGLという新しいフレームワークを導入することで,文脈認識深層グラフ学習の有効性を活用することで,課題に対処することを目指している。
カスタマイズされた変分グラフオートエンコーダ (VGAE) に基づいて, 重要な構造および物理化学的情報を取得する。
我々は厳格なケーススタディで支援された,臨床的に価値のある新規DDIの予測に長けている。
論文 参考訳（メタデータ） (2024-03-25T21:37:31Z) - Diffusion-based Visual Counterfactual Explanations -- Towards Systematic
Quantitative Evaluation [64.0476282000118]
視覚的対物的説明法(VCE)の最新手法は、深い生成モデルの力を利用して、印象的な画質の高次元画像の新しい例を合成する。
評価手順が大きく異なり,個々の実例の視覚検査や小規模なユーザスタディなど,これらのVCE手法の性能を比較することは,現時点では困難である。
本稿では,VCE手法の体系的,定量的評価のためのフレームワークと,使用する指標の最小セットを提案する。
論文 参考訳（メタデータ） (2023-08-11T12:22:37Z) - A Simplified Un-Supervised Learning Based Approach for Ink Mismatch
Detection in Handwritten Hyper-Spectral Document Images [0.0]
本稿では,ハイパースペクトル文書画像に存在する異なるが視覚的に類似したインクの数を推定する効率的な手法を提案する。
このアルゴリズムはiVision HHIDデータセットでテストされ、文献に存在するアルゴリズムの状態と同等の結果を得た。
論文 参考訳（メタデータ） (2022-06-11T14:38:25Z) - Activation to Saliency: Forming High-Quality Labels for Unsupervised
Salient Object Detection [54.92703325989853]
本稿では,高品質なサリエンシキューを効果的に生成する2段階アクティベーション・ツー・サリエンシ(A2S)フレームワークを提案する。
トレーニングプロセス全体において、私たちのフレームワークにヒューマンアノテーションは関与していません。
本フレームワークは,既存のUSOD法と比較して高い性能を示した。
論文 参考訳（メタデータ） (2021-12-07T11:54:06Z) - Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or
Something Else? [93.91375268580806]
政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。
既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。
既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
論文 参考訳（メタデータ） (2021-11-09T13:30:34Z) - Application of Homomorphic Encryption in Medical Imaging [60.51436886110803]
医療画像の予測にHEを用いて,不正な二次的データの使用を防止できることを示す。
結節検出に3次元胸部CT-Scansを用いた実験を行った。
論文 参考訳（メタデータ） (2021-10-12T19:57:12Z)
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。