論文の概要: Segmentation Dataset for Reinforced Concrete Construction

• arxiv url: http://arxiv.org/abs/2407.09372v2
• Date: Mon, 27 Jan 2025 13:30:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-28 13:50:43.110011
• Title: Segmentation Dataset for Reinforced Concrete Construction
• Title（参考訳）: 鉄筋コンクリート構造物のセグメンテーションデータセット
• Authors: Patrick Schmidt, Lazaros Nalpantidis,
• Abstract要約: 本稿では, 補強コンクリートの欠陥を自動検査するためのセグメンテーションラベル付き14,805枚のRGB画像のデータセットを提供する。 YOLOv8L-seg は、最大 0.59 のバリデーション mIOU スコアを達成する。 公開データの欠如は、偽陰性に対する重要な貢献であると認識されている。
• 参考スコア（独自算出の注目度）: 4.32009010195029
• License:
• Abstract: This paper provides a dataset of 14,805 RGB images with segmentation labels for autonomous robotic inspection of reinforced concrete defects. Baselines for the YOLOv8L-seg, DeepLabV3, and U-Net segmentation models are established. Labelling inconsistencies are addressed statistically, and their influence on model performance is analyzed. An error identification tool is employed to examine the error modes of the models. The paper demonstrates that YOLOv8L-seg performs best, achieving a validation mIOU score of up to 0.59. Label inconsistencies were found to have a negligible effect on model performance, while the inclusion of more data improved the performance. False negatives were identified as the primary failure mode. The results highlight the importance of data availability for the performance of deep learning-based models. The lack of publicly available data is identified as a significant contributor to false negatives. To address this, the paper advocates for an increased open-source approach within the construction community.
• Abstract（参考訳）: 本稿では, 補強コンクリートの欠陥を自動検査するためのセグメンテーションラベル付き14,805枚のRGB画像のデータセットを提供する。 YOLOv8L-seg、DeepLabV3、U-Netセグメンテーションモデルのベースラインが確立されている。 遅延不整合を統計的に処理し,モデル性能への影響を解析した。 モデルのエラーモードを調べるために、エラー識別ツールが使用される。 この論文は、YOLOv8L-セグが最高の性能を示し、最大0.59のmIOUスコアを達成している。 ラベルの不整合はモデルの性能に無視できる影響があることが判明し、より多くのデータを含めることで性能が向上した。 偽陰性が一次故障モードとして同定された。 その結果,ディープラーニングモデルの性能向上におけるデータ可用性の重要性が浮き彫りになった。 公開データの欠如は、偽陰性に対する重要な貢献であると認識されている。 この問題に対処するため、建設コミュニティ内でのオープンソースアプローチの拡大を提唱する。

関連論文リスト

• Sustainable Diffusion-based Incentive Mechanism for Generative AI-driven Digital Twins in Industrial Cyber-Physical Systems [65.22300383287904]
  産業用サイバー物理システム(ICPS)は、現代の製造業と産業にとって不可欠なコンポーネントである。 製品ライフサイクルを通じてデータをデジタル化することで、ICPSのDigital Twins(DT)は、現在の産業インフラからインテリジェントで適応的なインフラへの移行を可能にします。 産業用IoT(Industrial Internet of Things, IIoT)デバイスを利用すれば、DTを構築するためのデータを共有するメカニズムは、悪い選択問題の影響を受けやすい。
  論文  参考訳（メタデータ） (2024-08-02T10:47:10Z)
• Speech Emotion Recognition under Resource Constraints with Data Distillation [64.36799373890916]
  音声感情認識(SER)は、人間とコンピュータの相互作用において重要な役割を果たす。 モノのインターネットにおけるエッジデバイスの出現は、複雑なディープラーニングモデルを構築する上での課題を示している。 本研究では,IoTアプリケーションにおけるSERモデルの効率的な開発を容易にするためのデータ蒸留フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-21T13:10:46Z)
• IPAD: Industrial Process Anomaly Detection Dataset [71.39058003212614]
  ビデオ異常検出(VAD)は,ビデオフレーム内の異常を認識することを目的とした課題である。 本稿では,産業シナリオにおけるVADに特化して設計された新しいデータセットIPADを提案する。 このデータセットは16の異なる産業用デバイスをカバーし、合成ビデオと実世界のビデオの両方を6時間以上保存している。
  論文  参考訳（メタデータ） (2024-04-23T13:38:01Z)
• Towards Avoiding the Data Mess: Industry Insights from Data Mesh Implementations [1.5029560229270191]
  Data Meshは、企業データ管理のための、社会技術的、分散化されたコンセプトである。 業界の専門家との15の半構造化インタビューを行います。 本研究は,業界の専門家による知見を総合し,データメッシュの採用を成功させるための予備的ガイドラインを研究者や専門家に提供する。
  論文  参考訳（メタデータ） (2023-02-03T13:09:57Z)
• Privacy Adhering Machine Un-learning in NLP [66.17039929803933]
  現実の業界では、機械学習を使ってユーザデータに基づくモデルを構築します。 このような委任事項には、データだけでなく、モデルの再トレーニングにも労力が要る。 データの継続的な削除と モデル再訓練のステップはスケールしません この課題に対処するために、textitMachine Unlearningを提案する。
  論文  参考訳（メタデータ） (2022-12-19T16:06:45Z)
• Semantic Segmentation of Vegetation in Remote Sensing Imagery Using Deep Learning [77.34726150561087]
  本稿では,公開されているリモートセンシングデータからなるマルチモーダル・大規模時間データセットを作成するためのアプローチを提案する。 我々は、異なる種類の植生を分離できる畳み込みニューラルネットワーク(CNN)モデルを使用する。
  論文  参考訳（メタデータ） (2022-09-28T18:51:59Z)
• TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual Environments [84.6017003787244]
  本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。 既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
  論文  参考訳（メタデータ） (2022-08-16T20:46:08Z)
• Exploring the Effects of Data Augmentation for Drivable Area Segmentation [0.0]
  既存の画像データセットを解析することで、データ拡張の利点を調べることに重点を置いている。 以上の結果から,既存技術(SOTA)モデルの性能とロバスト性は劇的に向上する可能性が示唆された。
  論文  参考訳（メタデータ） (2022-08-06T03:39:37Z)
• CausalAgents: A Robustness Benchmark for Motion Forecasting using Causal Relationships [8.679073301435265]
  既存のデータに摂動を適用することにより、モデルロバスト性の評価と改善のための新しいベンチマークを構築する。 我々はこれらのラベルを使用して、現場から非因果的エージェントを削除することでデータを摂動する。 非因果摂動下では, minADE の相対的な変化は, 原型と比較して25$-$38%である。
  論文  参考訳（メタデータ） (2022-07-07T21:28:23Z)
• Auto-encoder based Model for High-dimensional Imbalanced Industrial Data [6.339700878842761]
  分散重み付きマルチヘッドオートエンコーダ分類モデルを導入し,高次元および高不均衡なデータによく適合する。 また、出力制御された表現学習とマルチタスク重み付けを利用して、複数の出力を同時に予測する。
  論文  参考訳（メタデータ） (2021-08-04T14:34:59Z)
• Reducing DNN Labelling Cost using Surprise Adequacy: An Industrial Case Study for Autonomous Driving [23.054842564447895]
  ディープニューラルネットワーク(Deep Neural Networks, DNN)は、自動運転に不可欠なタスクにおける優れたパフォーマンスのため、自動車業界で急速に採用されている。 本稿では、サプライズ・アデクシー(SA)とモデル性能の相関を利用して、DNNに基づくオブジェクトセグメンテーションの開発を改善する方法について述べる。 産業ケーススタディでは,不正確な評価で最大50%のコスト削減が可能であった。
  論文  参考訳（メタデータ） (2020-05-29T06:33:55Z)

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。