論文の概要: Deep Learning Framework for Infrastructure Maintenance: Crack Detection and High-Resolution Imaging of Infrastructure Surfaces

• arxiv url: http://arxiv.org/abs/2505.03974v1
• Date: Tue, 06 May 2025 20:52:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-08 19:07:35.915531
• Title: Deep Learning Framework for Infrastructure Maintenance: Crack Detection and High-Resolution Imaging of Infrastructure Surfaces
• Title（参考訳）: インフラストラクチャメンテナンスのためのディープラーニングフレームワーク: インフラストラクチャ表面のき裂検出と高分解能イメージング
• Authors: Nikhil M. Pawar, Jorge A. Prozzi, Feng Hong, Surya Sarat Chandra Congress,
• Abstract要約: 本研究では、畳み込みニューラルネットワーク(CNN)と効率的なサブピクセル畳み込みニューラルネットワーク(ESPCNN)からなるフレームワークを開発した。 軽量超解像法であるESPCNNは,CNNから得られた正の苦難の高分解能インフラストラクチャ画像を生成する。 提案手法は,高速道路の災害検知を高精度に行うとともに,効率的な資産管理の実践を支援することが期待されている。
• 参考スコア（独自算出の注目度）: 0.7025445595542579
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, there has been an impetus for the application of cutting-edge data collection platforms such as drones mounted with camera sensors for infrastructure asset management. However, the sensor characteristics, proximity to the structure, hard-to-reach access, and environmental conditions often limit the resolution of the datasets. A few studies used super-resolution techniques to address the problem of low-resolution images. Nevertheless, these techniques were observed to increase computational cost and false alarms of distress detection due to the consideration of all the infrastructure images i.e., positive and negative distress classes. In order to address the pre-processing of false alarm and achieve efficient super-resolution, this study developed a framework consisting of convolutional neural network (CNN) and efficient sub-pixel convolutional neural network (ESPCNN). CNN accurately classified both the classes. ESPCNN, which is the lightweight super-resolution technique, generated high-resolution infrastructure image of positive distress obtained from CNN. The ESPCNN outperformed bicubic interpolation in all the evaluation metrics for super-resolution. Based on the performance metrics, the combination of CNN and ESPCNN was observed to be effective in preprocessing the infrastructure images with negative distress, reducing the computational cost and false alarms in the next step of super-resolution. The visual inspection showed that EPSCNN is able to capture crack propagation, complex geometry of even minor cracks. The proposed framework is expected to help the highway agencies in accurately performing distress detection and assist in efficient asset management practices.
• Abstract（参考訳）: 近年,インフラ資産管理にカメラセンサーを搭載したドローンなどの最先端データ収集プラットフォームが採用されている。 しかし、センサーの特性、構造への近接、難読化アクセス、環境条件はしばしばデータセットの解像度を制限する。 いくつかの研究では、低解像度画像の問題に対処するために超解像技術を用いた。 しかし,これらの手法は,全てのインフラストラクチャイメージ,すなわち肯定的,否定的な悲惨なクラスを考慮し,計算コストと悲惨な検出の誤報を増大させることが観察された。 誤報の前処理に対処し、効率的な超解像を実現するために、畳み込みニューラルネットワーク(CNN)と効率的なサブピクセル畳み込みニューラルネットワーク(ESPCNN)からなるフレームワークを開発した。 CNNは両方のクラスを正確に分類した。 軽量超解像法であるESPCNNは,CNNから得られた正の苦難の高分解能インフラストラクチャ画像を生成する。 ESPCNNは超解像のすべての評価指標においてバイコビック補間よりも優れていた。 性能指標に基づいて,CNNとESPCNNの組み合わせは,インフラストラクチャイメージを負の苦痛で前処理し,計算コストと誤報を低減し,超解像の次のステップにおいて有効であることがわかった。 視覚検査の結果、EPSCNNはひび割れの伝播、ひび割れの複雑な形状を捉えることができることがわかった。 提案手法は,高速道路の災害検知を高精度に行うとともに,効率的な資産管理の実践を支援することが期待されている。

関連論文リスト

• Distance Weighted Trans Network for Image Completion [52.318730994423106]
  本稿では,DWT(Distance-based Weighted Transformer)を利用した画像コンポーネント間の関係をよりよく理解するためのアーキテクチャを提案する。 CNNは、粗い事前の局所的なテクスチャ情報を強化するために使用される。 DWTブロックは、特定の粗いテクスチャやコヒーレントな視覚構造を復元するために使用される。
  論文  参考訳（メタデータ） (2023-10-11T12:46:11Z)
• RDRN: Recursively Defined Residual Network for Image Super-Resolution [58.64907136562178]
  深部畳み込みニューラルネットワーク(CNN)は、単一画像超解像において顕著な性能を得た。 本稿では,注目ブロックを効率的に活用する新しいネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-11-17T11:06:29Z)
• SAR Despeckling Using Overcomplete Convolutional Networks [53.99620005035804]
  スペックルはSAR画像を劣化させるため、リモートセンシングにおいて重要な問題である。 近年の研究では、畳み込みニューラルネットワーク(CNN)が古典的解法よりも優れていることが示されている。 本研究は、受容場を制限することで低レベルの特徴を学習することに集中するために、過剰なCNNアーキテクチャを用いる。 本稿では,合成および実SAR画像の非特定化手法と比較して,提案手法により非特定化性能が向上することを示す。
  論文  参考訳（メタデータ） (2022-05-31T15:55:37Z)
• Image Super-resolution with An Enhanced Group Convolutional Neural Network [102.2483249598621]
  学習能力の強いCNNは、超解像問題を解くために広く選択されている。 浅層構造を持つ超解像群CNN(ESRGCNN)を提案する。 ESRGCNNは、SISRの性能、複雑さ、実行速度、画質評価およびSISRの視覚効果の観点から、最先端技術を上回っていると報告されている。
  論文  参考訳（メタデータ） (2022-05-29T00:34:25Z)
• Superpixel-Based Building Damage Detection from Post-earthquake Imagery Using Deep Neural Networks [6.527607790666018]
  地震後の被害検知は, 効果的な緊急対応行動の開始に不可欠である。 本稿では,Deep Neural Networks (DNN) と修正セグメンテーション手法を組み合わせた,新しいスーパーピクセルベースのアプローチを提案する。 2015年ネパール地震のWorldView-2画像による実験結果から,本手法の有効性と有効性が確認された。
  論文  参考訳（メタデータ） (2021-12-09T08:05:02Z)
• EmergencyNet: Efficient Aerial Image Classification for Drone-Based Emergency Monitoring Using Atrous Convolutional Feature Fusion [8.634988828030245]
  本稿では,緊急対応・監視用uavの航空機画像の効率的な分類について述べる。 緊急対応アプリケーションのための専用空中画像データベースを導入し、既存のアプローチの比較分析を行う。 マルチレゾリューション機能を処理するために,アトラス畳み込みに基づく軽量畳み込みニューラルネットワークアーキテクチャが提案されている。
  論文  参考訳（メタデータ） (2021-04-28T20:24:10Z)
• Asymmetric CNN for image super-resolution [102.96131810686231]
  深層畳み込みニューラルネットワーク(CNN)は、過去5年間で低レベルビジョンに広く適用されています。 画像超解像のための非対称ブロック(AB)、mem?ory拡張ブロック(MEB)、高周波数特徴強調ブロック(HFFEB)からなる非対称CNN(ACNet)を提案する。 我々のACNetは、ブラインドノイズの単一画像超解像(SISR)、ブラインドSISR、ブラインドSISRを効果的に処理できる。
  論文  参考訳（メタデータ） (2021-03-25T07:10:46Z)
• End-to-end Deep Learning Methods for Automated Damage Detection in Extreme Events at Various Scales [0.4297070083645048]
  Mask R-CNNは、地震などの極端な発生時に損傷を受ける可能性のある構造物やその構成要素の亀裂を自動的に検出するために提案され、試験されている。 我々は、トレーニングと検証のために2,021のラベル付き画像を用いた新しいデータセットをキュレートし、フィールドのひび割れ検出のためのエンドツーエンドのディープニューラルネットワークを見つけることを目的とした。
  論文  参考訳（メタデータ） (2020-11-05T21:21:19Z)

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。