論文の概要: Segmentation of cracks in 3d images of fiber reinforced concrete using deep learning

• arxiv url: http://arxiv.org/abs/2501.18405v1
• Date: Thu, 30 Jan 2025 15:02:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-31 15:14:28.612940
• Title: Segmentation of cracks in 3d images of fiber reinforced concrete using deep learning
• Title（参考訳）: 深層学習による繊維補強コンクリートの3次元画像中のき裂の分別
• Authors: Anna Nowacka, Katja Schladitz, Szymon Grzesiak, Matthias Pahn,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Cracks in concrete structures are very common and are an integral part of this heterogeneous material. Characteristics of cracks induced by standardized tests yield valuable information about the tested concrete formulation and its mechanical properties. Observing cracks on the surface of the concrete structure leaves a wealth of structural information unused. Computed tomography enables looking into the sample without interfering or destroying the microstructure. The reconstructed tomographic images are 3d images, consisting of voxels whose gray values represent local X-ray absorption. In order to identify voxels belonging to the crack, so to segment the crack structure in the images, appropriate algorithms need to be developed. Convolutional neural networks are known to solve this type of task very well given enough and consistent training data. We adapted a 3d version of the well-known U-Net and trained it on semi-synthetic 3d images of real concrete samples equipped with simulated crack structures. Here, we explain the general approach. Moreover, we show how to teach the network to detect also real crack systems in 3d images of varying types of real concrete, in particular of fiber reinforced concrete.
• Abstract（参考訳）: コンクリート構造物の亀裂は非常にありふれたものであり、この異種材料に不可欠な部分である。 規格化試験により引き起こされたひび割れの特徴は, 試験コンクリートの定式化とその機械的特性に関する貴重な情報をもたらす。 コンクリート構造物の表面のひび割れを観察することは、多くの構造情報を未使用のまま残している。 コンピュータ断層撮影により、微細構造を干渉したり破壊したりすることなくサンプルを観察することができる。 再構成されたトモグラフィー画像は3次元画像であり、局所的なX線吸収を表す灰色の値のボクセルで構成されている。 クラックに属するボクセルを識別するためには, クラック構造を画像に分割するために, 適切なアルゴリズムを開発する必要がある。 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。 ここでは、一般的なアプローチを説明します。 さらに, 各種実コンクリート, 特に繊維補強コンクリートの3次元画像においても, 実際のひび割れを検知する方法を示す。

関連論文リスト

• 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)
• 3D Reconstruction of Curvilinear Structures with Stereo Matching DeepConvolutional Neural Networks [52.710012864395246]
  本稿では,立体対における曲線構造の検出とマッチングのための完全自動パイプラインを提案する。 主に、TEM画像のステレオ対から転位を3次元再構成することに焦点を当てる。
  論文  参考訳（メタデータ） (2021-10-14T23:05:47Z)
• Vision-Guided Active Tactile Perception for Crack Detection and Reconstruction [10.289118975238429]
  視覚誘導能動触覚を用いたコンクリート構造物の亀裂の検出・再構築手法を提案する。 提案手法は, 目視によるき裂検出と比較して, き裂検出と復元の有効性と堅牢性を大幅に向上させる。
  論文  参考訳（メタデータ） (2021-05-13T14:25:08Z)
• Detection Of Concrete Cracks using Dual-channel Deep Convolutional Network [0.0]
  本研究では, 深部畳み込みニューラルネットワーク(CNN)を用いたひび割れ検出手法を提案する。 コンクリートクラックを用いた3200枚のラベル付き画像データベースが作成されており, コントラスト, 照明条件, 方向, ひび割れの重症度は極めて多様であった。 我々は,両チャネル深部CNNを設計し,高い精度(92.25%)と現実的状況におけるコンクリートのひび割れ発見の堅牢性を示した。
  論文  参考訳（メタデータ） (2020-09-22T15:17:02Z)
• SkeletonNet: A Topology-Preserving Solution for Learning Mesh Reconstruction of Object Surfaces from RGB Images [85.66560542483286]
  本稿では,RGB画像から3次元物体表面再構成を学習する上での課題に焦点を当てる。 我々は,SkeGCNNとSkeDISNの2つのモデルを提案する。 提案するSkeletonNetの有効性を検証するための徹底的な実験を行った。
  論文  参考訳（メタデータ） (2020-08-13T07:59:25Z)
• Retinal Image Segmentation with a Structure-Texture Demixing Network [62.69128827622726]
  複雑な構造とテクスチャ情報は網膜画像に混在し、その情報の識別が困難である。 既存の手法はテクスチャと構造を共同で扱うため、偏りのあるモデルをテクスチャ認識に導くことができ、結果としてセグメンテーション性能は低下する。 本稿では,構造成分とテクスチャ成分を分離し,性能を大幅に向上させるセグメンテーション戦略を提案する。
  論文  参考訳（メタデータ） (2020-07-15T12:19:03Z)
• Intrinsic Autoencoders for Joint Neural Rendering and Intrinsic Image Decomposition [67.9464567157846]
  合成3Dモデルからリアルな画像を生成するためのオートエンコーダを提案し,同時に実像を本質的な形状と外観特性に分解する。 実験により, レンダリングと分解の併用処理が有益であることが確認され, 画像から画像への翻訳の質的, 定量的なベースラインよりも優れた結果が得られた。
  論文  参考訳（メタデータ） (2020-06-29T12:53:58Z)
• Guidance and Evaluation: Semantic-Aware Image Inpainting for Mixed Scenes [54.836331922449666]
  本稿では,SGE-Net(Semantic Guidance and Evaluation Network)を提案する。 セマンティックセグメンテーションマップをインペイントの各尺度のガイダンスとして利用し、そこで位置依存推論を再評価する。 混合シーンの現実画像に対する実験により,提案手法が最先端手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2020-03-15T17:49:20Z)

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。