論文の概要: Deep Learning for Micro-Scale Crack Detection on Imbalanced Datasets Using Key Point Localization

• arxiv url: http://arxiv.org/abs/2411.10389v1
• Date: Fri, 15 Nov 2024 17:50:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-18 15:39:34.119231
• Title: Deep Learning for Micro-Scale Crack Detection on Imbalanced Datasets Using Key Point Localization
• Title（参考訳）: キーポイント定位を用いた不均衡データセットのマイクロスケールき裂検出のための深層学習
• Authors: Fatahlla Moreh, Yusuf Hasan, Bilal Zahid Hussain, Mohammad Ammar, Sven Tomforde,
• Abstract要約: 内部き裂検出は、構造的健康モニタリングに焦点が当てられている。 深層学習(DL)法は, 微小き裂と相互作用する地震波場を効果的に解析できることが実証された。 本研究は, ひび割れの有界領域を定義する4つのキーポイントの座標を予測することにより, ひび割れの局所化を行う, DLベースのキーポイント検出技術の新たな応用を探求する。
• 参考スコア（独自算出の注目度）: 1.0136215038345013
• License:
• Abstract: Internal crack detection has been a subject of focus in structural health monitoring. By focusing on crack detection in structural datasets, it is demonstrated that deep learning (DL) methods can effectively analyze seismic wave fields interacting with micro-scale cracks, which are beyond the resolution of conventional visual inspection. This work explores a novel application of DL-based key point detection technique, where cracks are localized by predicting the coordinates of four key points that define a bounding region of the crack. The study not only opens new research directions for non-visual applications but also effectively mitigates the impact of imbalanced data which poses a challenge for previous DL models, as it can be biased toward predicting the majority class (non-crack regions). Popular DL techniques, such as the Inception blocks, are used and investigated. The model shows an overall reduction in loss when applied to micro-scale crack detection and is reflected in the lower average deviation between the location of actual and predicted cracks, with an average Intersection over Union (IoU) being 0.511 for all micro cracks (greater than 0.00 micrometers) and 0.631 for larger micro cracks (greater than 4 micrometers).
• Abstract（参考訳）: 内部き裂検出は、構造的健康モニタリングに焦点が当てられている。 構造データセットのひび割れ検出に着目して,従来の視覚検査の解像度を超える微小き裂と相互作用する地震波場を,ディープラーニング(DL)法で効果的に解析できることを実証した。 本研究は, ひび割れの有界領域を定義する4つのキーポイントの座標を予測することにより, ひび割れを局所化する, DLに基づくキーポイント検出手法の新たな応用について検討する。 この研究は、非視覚的応用のための新しい研究方向を開くだけでなく、多数派(非ラック領域)の予測に偏りがあるため、従来のDLモデルに挑戦する不均衡なデータの影響を効果的に緩和する。 インセプションブロックなどの一般的なDL技術を使用し,検討する。 このモデルは、微小き裂検出に適用した場合の損失の全体的な減少を示し、実際のき裂の位置と予測されたき裂の間の平均偏差を低く反映し、すべてのマイクロき裂(0.00マイクロメートル以上)の平均インターセクション(IoU)は0.511で、大きなき裂(4マイクロメートル以上)は0.631である。

関連論文リスト

• DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
  本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。 フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
  論文  参考訳（メタデータ） (2024-06-05T06:18:03Z)
• 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)
• Automated crack propagation measurement on asphalt concrete specimens using an optical flow-based deep neural network [0.0]
  本稿では,アスファルトコンクリート(AC)試料のひび割れ伝播を測定するディープニューラルネットワーク,すなわちCrackPropNetを提案する。 CrackPropNetは、参照画像とデフォルメ画像の様々な場所で特徴を一致させて、変位場不連続の位置を学習する。 ひび割れ現象の特徴付け、交流き裂ポテンシャルの評価、試験プロトコルの検証、理論モデルの検証に応用できる。
  論文  参考訳（メタデータ） (2023-03-10T14:45:37Z)
• PointCrack3D: Crack Detection in Unstructured Environments using a 3D-Point-Cloud-Based Deep Neural Network [20.330700719146215]
  本稿では,非構造面に対する新しい3Dポイント・クラウド・ベースのき裂検出アルゴリズムであるPointCrack3Dを提案する。 この手法は、新しい大きな天然岩のデータセットで実験的に検証された。 その結果, ひび割れ検出率は全体の97%, ひび割れの100%であり, 最大幅は3cm以上であった。
  論文  参考訳（メタデータ） (2021-11-23T02:33:18Z)
• Deep Domain Adaptation for Pavement Crack Detection [9.937576059289269]
  本稿では,Deep Domain Adaptation-based Crack Detection Network (DDACDN)を提案する。 DDACDNは、ソースドメイン知識を利用して、ターゲットドメイン内の複数カテゴリの亀裂位置情報を予測する。 対象ドメイン上の亀裂位置を予測する際に、最先端の舗装き裂検出方法より優れている。
  論文  参考訳（メタデータ） (2021-11-19T08:51:09Z)
• 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)
• Learning Neural Causal Models with Active Interventions [83.44636110899742]
  本稿では,データ生成プロセスの根底にある因果構造を素早く識別する能動的介入ターゲット機構を提案する。 本手法は,ランダムな介入ターゲティングと比較して,要求される対話回数を大幅に削減する。 シミュレーションデータから実世界のデータまで,複数のベンチマークにおいて優れた性能を示す。
  論文  参考訳（メタデータ） (2021-09-06T13:10:37Z)
• Learning, compression, and leakage: Minimising classification error via meta-universal compression principles [87.054014983402]
  学習シナリオのための圧縮技法の有望なグループは、正規化極大(NML)符号化である。 ここでは,教師付き分類問題に対するNMLに基づく意思決定戦略を検討し,多種多様なモデルに適用した場合にPAC学習を実現することを示す。 本手法の誤分類率は,プライバシに敏感なシナリオにおいて,データ漏洩の可能性を定量化するための指標である最大リークによって上限づけられていることを示す。
  論文  参考訳（メタデータ） (2020-10-14T20:03:58Z)
• Computational Barriers to Estimation from Low-Degree Polynomials [81.67886161671379]
  本研究では,隠れ構造物の存在を検知する作業において,低次構造物のパワーについて検討する。 大規模な「信号+雑音」問題に対して、任意の程度に達成可能な最良の平均二乗誤差に対して、ユーザフレンドリな下界を与える。 応用として,植込みサブマトリクスに対する低次平均2乗誤差の厳密な評価と高密度サブグラフ問題について述べる。
  論文  参考訳（メタデータ） (2020-08-05T17:52:10Z)
• Ensemble of Deep Convolutional Neural Networks for Automatic Pavement Crack Detection and Measurement [9.34360241512198]
  小さな亀裂の構造を特定するために、畳み込みニューラルネットワークのアンサンブルが使用された。 き裂測定には, 亀裂の種類によって, ひび割れの長さと幅を測定できる。
  論文  参考訳（メタデータ） (2020-02-08T22:15:11Z)

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。