論文の概要: A Multimodal Fusion Framework for Bridge Defect Detection with Cross-Verification

• arxiv url: http://arxiv.org/abs/2412.17968v1
• Date: Mon, 23 Dec 2024 20:33:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-25 15:55:12.160669
• Title: A Multimodal Fusion Framework for Bridge Defect Detection with Cross-Verification
• Title（参考訳）: クロス検証による橋梁欠陥検出のためのマルチモーダル・フュージョン・フレームワーク
• Authors: Ravi Datta Rachuri, Duoduo Liao, Samhita Sarikonda, Datha Vaishnavi Kondur,
• Abstract要約: 本稿では,橋梁欠陥の検出と解析のための多モード融合フレームワークを提案する。 非破壊的評価(NDE)技術と高度な画像処理を統合し、正確な構造評価を可能にする。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This paper presents a pilot study introducing a multimodal fusion framework for the detection and analysis of bridge defects, integrating Non-Destructive Evaluation (NDE) techniques with advanced image processing to enable precise structural assessment. By combining data from Impact Echo (IE) and Ultrasonic Surface Waves (USW) methods, this preliminary investigation focuses on identifying defect-prone regions within concrete structures, emphasizing critical indicators such as delamination and debonding. Using geospatial analysis with alpha shapes, fusion of defect points, and unified lane boundaries, the proposed framework consolidates disparate data sources to enhance defect localization and facilitate the identification of overlapping defect regions. Cross-verification with adaptive image processing further validates detected defects by aligning their coordinates with visual data, utilizing advanced contour-based mapping and bounding box techniques for precise defect identification. The experimental results, with an F1 score of 0.83, demonstrate the potential efficacy of the approach in improving defect localization, reducing false positives, and enhancing detection accuracy, which provides a foundation for future research and larger-scale validation. This preliminary exploration establishes the framework as a promising tool for efficient bridge health assessment, with implications for proactive structural monitoring and maintenance.
• Abstract（参考訳）: 本稿では,橋梁欠陥の検出と解析のための多モード融合フレームワークを導入し,非破壊評価(NDE)技術と高度な画像処理を統合し,正確な構造評価を実現する。 衝撃エコー (IE) と超音波表面波 (USW) によるデータを組み合わせることで, コンクリート構造物内の欠陥発生領域の同定, 剥離やデボンディングなどの重要な指標の抽出に重点を置いている。 提案手法は,アルファ形状の地理空間解析,欠陥点の融合,レーン境界の統一といった手法を用いて,異なるデータソースを統合し,欠陥の局在性を高め,重複する欠陥領域の同定を容易にする。 適応画像処理による相互検証により, 座標を視覚データと整列することで検出された欠陥を検証し, 高度な輪郭マッピングとバウンディングボックス技術を用いて正確な欠陥識別を行う。 F1スコア0.83の試験結果は、欠陥局所化の改善、偽陽性の低減、検出精度の向上に対するアプローチの有効性を実証し、将来の研究と大規模検証の基礎を提供する。 この予備的な調査は、このフレームワークを効率的なブリッジヘルスアセスメントのための有望なツールとして確立し、積極的な構造モニタリングと維持に寄与する。

関連論文リスト

• Adaptive Signal Analysis for Automated Subsurface Defect Detection Using Impact Echo in Concrete Slabs [0.0]
  本研究は,コンクリートスラブの地下欠陥発生領域を検出するための,新しい,自動化された,スケーラブルな手法を提案する。 このアプローチは、高度な信号処理、クラスタリング、および視覚分析を統合して、地下の異常を識別する。 結果は方法論の堅牢性を示し、最小限の偽陽性とほとんど欠陥のない欠陥発生領域を一貫して同定した。
  論文  参考訳（メタデータ） (2024-12-23T20:05:53Z)
• DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
  本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。 画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2023-12-11T18:38:28Z)
• Segment Anything in Defect Detection [38.85728242930962]
  DefectSAMは、ノイズの多い熱画像に欠陥を分割するための新しいアプローチである。 既存の最先端セグメンテーションアルゴリズムを超え、欠陥検出率を大幅に改善する。
  論文  参考訳（メタデータ） (2023-11-17T00:28:19Z)
• CrossDF: Improving Cross-Domain Deepfake Detection with Deep Information Decomposition [53.860796916196634]
  クロスデータセットディープフェイク検出(CrossDF)の性能を高めるためのディープ情報分解(DID)フレームワークを提案する。 既存のディープフェイク検出方法とは異なり、我々のフレームワークは特定の視覚的アーティファクトよりも高いレベルのセマンティック特徴を優先する。 顔の特徴をディープフェイク関連情報と無関係情報に適応的に分解し、本質的なディープフェイク関連情報のみを用いてリアルタイム・フェイク識別を行う。
  論文  参考訳（メタデータ） (2023-09-30T12:30:25Z)
• Constructive Incremental Learning for Fault Diagnosis of Rolling Bearings with Ensemble Domain Adaptation [6.7898797318208075]
  転がり軸受の故障診断は 様々な作業条件において 現実的な問題です。 外部環境の複雑さと転がり軸受の構造は、しばしばランダムさとファジネスによって特徴づけられる欠点を示す。 本稿では,CIL-EDA(Constructive Incremental Learning-based ensemble domain adapt)アプローチという新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2023-08-29T02:23:58Z)
• PAIF: Perception-Aware Infrared-Visible Image Fusion for Attack-Tolerant Semantic Segmentation [50.556961575275345]
  対向シーンにおけるセグメンテーションの堅牢性を促進するための認識認識型融合フレームワークを提案する。 我々は,先進の競争相手に比べて15.3% mIOUの利得で,ロバスト性を大幅に向上させることを示す。
  論文  参考訳（メタデータ） (2023-08-08T01:55:44Z)
• Self-Supervised Graph Transformer for Deepfake Detection [1.8133635752982105]
  ディープフェイク検出手法は、与えられたデータセット内の偽造を認識できる有望な結果を示している。 ディープフェイク検出システムは、一般的な検出性能を保証するために、偽造タイプ、外観、品質に欠かせないままでいなければならない。 本研究では、自己教師付き事前学習モデルを利用して、例外的な一般化能力を実現するディープフェイク検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-07-27T17:22:41Z)
• Target-aware Dual Adversarial Learning and a Multi-scenario Multi-Modality Benchmark to Fuse Infrared and Visible for Object Detection [65.30079184700755]
  本研究は、物体検出のために異なるように見える赤外線と可視画像の融合の問題に対処する。 従来のアプローチでは、2つのモダリティの根底にある共通点を発見し、反復最適化またはディープネットワークによって共通空間に融合する。 本稿では、融合と検出の連立問題に対する二段階最適化の定式化を提案し、その後、核融合と一般的に使用される検出ネットワークのためのターゲット認識デュアル逆学習(TarDAL)ネットワークに展開する。
  論文  参考訳（メタデータ） (2022-03-30T11:44:56Z)
• 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)
• Reference-based Defect Detection Network [57.89399576743665]
  最初の問題はテクスチャシフトであり、これはトレーニングされた欠陥検出モデルが目に見えないテクスチャの影響を受けやすいことを意味する。 第2の問題は部分的な視覚的混乱であり、部分的な欠陥ボックスが完全なボックスと視覚的に類似していることを示している。 本稿では,これら2つの問題に対処する参照型欠陥検出ネットワーク(RDDN)を提案する。
  論文  参考訳（メタデータ） (2021-08-10T05:44:23Z)
• Defect segmentation: Mapping tunnel lining internal defects with ground penetrating radar data using a convolutional neural network [13.469645178974638]
  本研究では, トンネル内部欠陥の非破壊検出のための地中貫入レーダ(GPR)データ処理手法を提案する。 この手法では、内部欠陥構造をGPR合成データにマッピングするために、Segnetと呼ばれるCNNとLov'aszソフトマックス損失関数を組み合わせる。
  論文  参考訳（メタデータ） (2020-03-29T19:30:59Z)

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。