論文の概要: Cracks in concrete
- arxiv url: http://arxiv.org/abs/2501.18376v1
- Date: Thu, 30 Jan 2025 14:29:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-31 15:13:46.854194
- Title: Cracks in concrete
- Title（参考訳）: コンクリートのひび割れ
- Authors: Tin Barisin, Christian Jung, Anna Nowacka, Claudia Redenbach, Katja Schladitz,
- Abstract要約: コンクリートの3次元画像におけるひび割れのセグメンテーションのためのCNN訓練のための半合成画像データを生成する方法について述べる。
実際のひび割れの厚さは、1つのひび割れだけでなく、同じ試料のひび割れからひび割れまで様々である。
我々は、まさにこの目的のために設計された、いわゆるRieszNetを紹介します。
- 参考スコア（独自算出の注目度）: 0.5825410941577593
- License:
- Abstract: Finding and properly segmenting cracks in images of concrete is a challenging task. Cracks are thin and rough and being air filled do yield a very weak contrast in 3D images obtained by computed tomography. Enhancing and segmenting dark lower-dimensional structures is already demanding. The heterogeneous concrete matrix and the size of the images further increase the complexity. ML methods have proven to solve difficult segmentation problems when trained on enough and well annotated data. However, so far, there is not much 3D image data of cracks available at all, let alone annotated. Interactive annotation is error-prone as humans can easily tell cats from dogs or roads without from roads with cars but have a hard time deciding whether a thin and dark structure seen in a 2D slice continues in the next one. Training networks by synthetic, simulated images is an elegant way out, bears however its own challenges. In this contribution, we describe how to generate semi-synthetic image data to train CNN like the well known 3D U-Net or random forests for segmenting cracks in 3D images of concrete. The thickness of real cracks varies widely, both, within one crack as well as from crack to crack in the same sample. The segmentation method should therefore be invariant with respect to scale changes. We introduce the so-called RieszNet, designed for exactly this purpose. Finally, we discuss how to generalize the ML crack segmentation methods to other concrete types.
- Abstract（参考訳）: コンクリートの画像にひび割れを発見し, 適切に分類することは, 難しい課題である。
亀裂は薄く粗く、空気が充填されているため、計算トモグラフィーによって得られた3D画像のコントラストは非常に弱い。
暗黒の低次元構造の強化とセグメンテーションはすでに要求されている。
不均一なコンクリートマトリックスと画像のサイズは、さらに複雑さを増す。
ML法は、十分な注釈付きデータで訓練すると、難しいセグメンテーションの問題を解決することが証明されている。
しかし、今のところ、アノテートされただけでなく、ひび割れの3D画像データはほとんどない。
対話的なアノテーションは、人間が犬や道路から犬や道路から簡単に教えることができるが、2Dスライスで見られる細く暗い構造が続くかどうかを判断するのに苦労しているため、エラーを起こしやすい。
合成シミュレートされた画像によるトレーニングネットワークはエレガントな方法だが、独自の課題もある。
本稿では,CNNを訓練するための半合成画像データを生成する方法について述べる。
実際のひび割れの厚さは、1つのひび割れだけでなく、同じ試料のひび割れからひび割れまで様々である。
したがって、セグメンテーション法はスケール変化に関して不変であるべきである。
我々は、まさにこの目的のために設計された、いわゆるRieszNetを紹介します。
最後に,MLクラック分割法を他の具体タイプに一般化する方法について議論する。
関連論文リスト
- Segmentation of cracks in 3d images of fiber reinforced concrete using deep learning [0.0]
畳み込みニューラルネットワークは、十分な一貫性のあるトレーニングデータを考えると、この種のタスクを解決することが知られている。
我々は,よく知られたU-Netの3dバージョンを適応し,シミュレーションクラック構造を備えた実コンクリート試料の半合成3d画像に基づいて訓練した。
論文 参考訳（メタデータ） (2025-01-30T15:02:30Z) - CrackNex: a Few-shot Low-light Crack Segmentation Model Based on Retinex
Theory for UAV Inspections [9.27355428681897]
CrackNexは、Retinex Theoryに基づく反射情報を利用して、モデルが統一された照明不変表現を学ぶのを助けるフレームワークである。
LCSDは102個の高照度き裂画像と41個の低照度き裂画像からなる。
論文 参考訳（メタデータ） (2024-03-05T15:52:54Z) - Joint one-sided synthetic unpaired image translation and segmentation
for colorectal cancer prevention [16.356954231068077]
我々は3D技術と生成対向ネットワークを組み合わせたリアルな合成画像を作成する。
CUT-segは,分割モデルと生成モデルとを共同で訓練し,現実的な画像を生成する共同訓練である。
この研究の一環として、20000のリアルな大腸画像を含む完全に合成されたデータセットであるSynth-Colonをリリースする。
論文 参考訳（メタデータ） (2023-07-20T22:09:04Z) - Distilling Coarse-to-Fine Semantic Matching Knowledge for Weakly
Supervised 3D Visual Grounding [58.924180772480504]
3Dビジュアルグラウンドリングは、所定の文クエリに対応する3Dシーンでターゲットオブジェクトを見つけることを含む。
弱教師付きアノテーションを利用して3次元視覚的接地モデルを学ぶことを提案する。
オブジェクトの提案と文のセマンティックな類似性を粗大な方法で解析する新しいセマンティックマッチングモデルを設計する。
論文 参考訳（メタデータ） (2023-07-18T13:49:49Z) - Neural 3D Scene Reconstruction with the Manhattan-world Assumption [58.90559966227361]
本稿では,多視点画像から3次元屋内シーンを再構築する課題について述べる。
平面的制約は、最近の暗黙の神経表現に基づく再構成手法に便利に組み込むことができる。
提案手法は, 従来の手法よりも3次元再構成品質に優れていた。
論文 参考訳（メタデータ） (2022-05-05T17:59:55Z) - Beyond 3DMM: Learning to Capture High-fidelity 3D Face Shape [77.95154911528365]
3Dモーフィブルモデル(3DMM)の適合性は、その強力な3D先行性のため、顔解析に広く有用である。
以前に再建された3次元顔は、微細な形状が失われるため、視差の低下に悩まされていた。
本論文は, パーソナライズされた形状が対応する人物と同一に見えるよう, パーソナライズされた形状を捉えるための完全な解を提案する。
論文 参考訳（メタデータ） (2022-04-09T03:46:18Z) - Facial Geometric Detail Recovery via Implicit Representation [147.07961322377685]
そこで本研究では,一眼の顔画像のみを用いて,テクスチャガイドを用いた幾何的細部復元手法を提案する。
提案手法は,高品質なテクスチャ補完と暗黙の面の強力な表現性を組み合わせたものである。
本手法は, 顔の正確な細部を復元するだけでなく, 正常部, アルベド部, シェーディング部を自己監督的に分解する。
論文 参考訳（メタデータ） (2022-03-18T01:42:59Z) - Methods for segmenting cracks in 3d images of concrete: A comparison
based on semi-synthetic images [0.0]
本稿では, 3次元画像の自動き裂分割法について概説し, 比較した。
それらの性能は、画像のグレー値分布に適応すべきパラメータの選択に依存する。
一般に、学習方法は、特に薄いひび割れと低い灰色のコントラストに対して最もよく機能する。
論文 参考訳（メタデータ） (2021-12-17T13:02:30Z) - A Weakly-Supervised Surface Crack Segmentation Method using Localisation
with a Classifier and Thresholding [0.20999222360659603]
近年,機械学習手法による構造維持対策の支援により,この問題に対処する研究が進められている。
本研究は,CNN分類器を用いて表面き裂分割マップを作成する弱教師付きアプローチを提案する。
本稿では,本手法の実装の容易さに焦点をあて,複数の表面き裂データセット上での良好な性能を示す。
論文 参考訳（メタデータ） (2021-09-01T15:58:13Z) - Hard Example Generation by Texture Synthesis for Cross-domain Shape
Similarity Learning [97.56893524594703]
画像に基づく3次元形状検索(IBSR)は、与えられた2次元画像の対応する3次元形状を、大きな3次元形状データベースから見つけることを目的としている。
いくつかの適応技法によるメートル法学習は、類似性学習を形作るための自然な解決策のようです。
テクスチャ合成を応用した幾何中心の多視点メトリック学習フレームワークを開発した。
論文 参考訳（メタデータ） (2020-10-23T08:52:00Z) - Coherent Reconstruction of Multiple Humans from a Single Image [68.3319089392548]
本研究では,1枚の画像から多人数の3Dポーズ推定を行う問題に対処する。
この問題のトップダウン設定における典型的な回帰アプローチは、まずすべての人間を検出し、それぞれを独立して再構築する。
我々のゴールは、これらの問題を回避し、現場のすべての人間のコヒーレントな3D再構成を生成するために学習する単一のネットワークをトレーニングすることである。
論文 参考訳（メタデータ） (2020-06-15T17:51:45Z)
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。