論文の概要: CNN-based Labelled Crack Detection for Image Annotation

• arxiv url: http://arxiv.org/abs/2408.11250v1
• Date: Wed, 21 Aug 2024 00:01:50 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-22 18:58:50.475293
• Title: CNN-based Labelled Crack Detection for Image Annotation
• Title（参考訳）: CNNによる画像アノテーションのためのひび割れ検出
• Authors: Mohsen Asghari Ilani, Leila Amini, Hossein Karimi, Maryam Shavali Kuhshuri,
• Abstract要約: 本稿では,深部畳み込みニューラルネットワーク(CNN)を用いたAM表面のき裂検出手法を提案する。 訓練されたCNNは、14,982の注釈付き画像の解像度が1536 x 1103ピクセルのデータセットで99.54%の精度を達成した。
• 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: Numerous image processing techniques (IPTs) have been employed to detect crack defects, offering an alternative to human-conducted onsite inspections. These IPTs manipulate images to extract defect features, particularly cracks in surfaces produced through Additive Manufacturing (AM). This article presents a vision-based approach that utilizes deep convolutional neural networks (CNNs) for crack detection in AM surfaces. Traditional image processing techniques face challenges with diverse real-world scenarios and varying crack types. To overcome these challenges, our proposed method leverages CNNs, eliminating the need for extensive feature extraction. Annotation for CNN training is facilitated by LabelImg without the requirement for additional IPTs. The trained CNN, enhanced by OpenCV preprocessing techniques, achieves an outstanding 99.54% accuracy on a dataset of 14,982 annotated images with resolutions of 1536 x 1103 pixels. Evaluation metrics exceeding 96% precision, 98% recall, and a 97% F1-score highlight the precision and effectiveness of the entire process.
• Abstract（参考訳）: 多数の画像処理技術(IPT)が亀裂の検知に使われており、人間による現場検査に代わるものとなっている。 これらのICTは画像を操作して欠陥の特徴、特に添加物製造(AM)による表面の亀裂を抽出する。 本稿では,深部畳み込みニューラルネットワーク(CNN)を用いたAM表面のき裂検出手法を提案する。 従来の画像処理技術は、さまざまな現実シナリオとさまざまなクラックタイプで課題に直面している。 これらの課題を克服するため,提案手法はCNNを活用し,広範な特徴抽出の必要性を排除した。 CNNトレーニングのアノテーションは、追加のIPTを必要としない LabelImg によって促進される。 OpenCVプリプロセッシング技術によって強化された訓練されたCNNは、14,982の注釈付き画像の解像度が1536 x 1103ピクセルのデータセットに対して99.54%の精度を達成した。 評価指標は96%以上の精度、98%のリコール、97%のF1スコアで、プロセス全体の正確性と有効性を強調している。

関連論文リスト

• Alleviating Catastrophic Forgetting in Facial Expression Recognition with Emotion-Centered Models [49.3179290313959]
  感情中心型生成的リプレイ (ECgr) は, 生成的対向ネットワークから合成画像を統合することで, この課題に対処する。 ECgrは、生成された画像の忠実性を保証するために品質保証アルゴリズムを組み込んでいる。 4つの多様な表情データセットに対する実験結果から,擬似リハーサル法により生成されたイメージを組み込むことで,ターゲットとするデータセットとソースデータセットのトレーニングが促進されることが示された。
  論文  参考訳（メタデータ） (2024-04-18T15:28:34Z)
• One-Shot Learning for Periocular Recognition: Exploring the Effect of Domain Adaptation and Data Bias on Deep Representations [59.17685450892182]
  広範に使用されているCNNモデルにおける深部表現の挙動をワンショット近視認識のための極端データ不足下で検討する。 我々は、バイオメトリックデータセットで訓練されたネットワークを数百万の画像で活用し、最先端の結果を改善した。 SIFTのような従来のアルゴリズムは、限られたデータでCNNより優れている。
  論文  参考訳（メタデータ） (2023-07-11T09:10:16Z)
• MMNet: Multi-Collaboration and Multi-Supervision Network for Sequential Deepfake Detection [81.59191603867586]
  シークエンシャルディープフェイク検出は、回復のための正しいシーケンスで偽の顔領域を特定することを目的としている。 偽画像の復元には、逆変換を実装するための操作モデルの知識が必要である。 顔画像の空間スケールや逐次順列化を扱うマルチコラボレーション・マルチスーパービジョンネットワーク(MMNet)を提案する。
  論文  参考訳（メタデータ） (2023-07-06T02:32:08Z)
• Deep Learning based Defect classification and detection in SEM images: A Mask R-CNN approach [2.7180863515048674]
  我々は,コンピュータビジョンのためのディープラーニングアルゴリズムであるMask-RCNN(Regional Convolutional Neural Network)の応用を実証した。 我々は,ブリッジ,ブレーク,ライン崩壊など,クラス間のさまざまな欠陥パターンを検出し,セグメンテーションすることを目的としている。
  論文  参考訳（メタデータ） (2022-11-03T23:26:40Z)
• CNN Filter Learning from Drawn Markers for the Detection of Suggestive Signs of COVID-19 in CT Images [58.720142291102135]
  畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。 少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。 本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
  論文  参考訳（メタデータ） (2021-11-16T15:03:42Z)
• Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
  前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。 自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。 パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
  論文  参考訳（メタデータ） (2021-05-20T18:13:58Z)
• Holistic Image Manipulation Detection using Pixel Co-occurrence Matrices [16.224649756613655]
  digital image forensicsは、デジタル操作された画像を検出することを目的としている。 文献におけるほとんどの検出方法は、特定の種類の操作を検出することに焦点を当てている。 本稿では,画素共起行列と深層学習を組み合わせることで,改ざん画像を検出する新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-04-12T17:54:42Z)
• Pushing the Envelope of Thin Crack Detection [23.758190930820042]
  インフラストラクチャの自動検査において,コンクリート表面の画像から亀裂を検出することの問題点を考察する。 私たちの関心は、それが定義できる限り薄さの限界に近い亀裂を検出できるようにすることです。 そこで本研究では,人間よりもき裂をより正確に検出するためのcnnの訓練法を提案する。
  論文  参考訳（メタデータ） (2021-01-09T09:42:42Z)
• Advances in deep learning methods for pavement surface crack detection and identification with visible light visual images [0.0]
  工学構造における亀裂のNDTおよび健康モニタリング法と比較して、可視光画像に基づく表面亀裂検出または識別は非接触である。 本稿では,舗装き裂公開データセットを包括的に要約し,組込みプラットフォームにおける表面き裂検出および識別深層学習手法の性能と有効性について述べる。
  論文  参考訳（メタデータ） (2020-12-29T11:10:12Z)
• Fake face detection via adaptive manipulation traces extraction network [9.892936175042939]
  本稿では,画像内容の抑制と操作トレースの強調のために,適応的な操作トレース抽出ネットワーク (AMTEN) を提案する。 AMTENは適応的な畳み込み層を利用して画像内の操作トレースを予測する。 様々なFIM技術によって生成された偽の顔画像を検出する場合、AMTENnetは平均精度98.52%に達する。
  論文  参考訳（メタデータ） (2020-05-11T09:16:39Z)
• Suppressing Uncertainties for Large-Scale Facial Expression Recognition [81.51495681011404]
  本稿では,不確実性を効果的に抑制し,深層ネットワークが不確実な顔画像に過度に収まらないような,シンプルで効率的なセルフキュアネットワーク(SCN)を提案する。 公開ベンチマークの結果、我々のSCNは現在の最先端メソッドよりも、RAF-DBで textbf88.14%、AffectNetで textbf60.23%、FERPlusで textbf89.35% を上回りました。
  論文  参考訳（メタデータ） (2020-02-24T17:24:36Z)

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。