論文の概要: Photogranulometry -- Dataset of soil images with corresponding particle size distributions

• arxiv url: http://arxiv.org/abs/2506.17469v1
• Date: Fri, 20 Jun 2025 20:19:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-24 19:06:36.430268
• Title: Photogranulometry -- Dataset of soil images with corresponding particle size distributions
• Title（参考訳）: 光グラニュロメトリー -- 対応する粒径分布を持つ土壌画像のデータセット
• Authors: Thomas Plante St-Cyr, François Duhaime, Jean-Sébastien Dubé, Simon Grenier,
• Abstract要約: 本稿では,ケベック州モントリオールで収集された321種類の土壌試料の高解像度画像12,714枚について述べる。 ジオテクノロジー応用において、畳み込みニューラルネットワーク(CNN)をトレーニングするための堅牢な出発点を提供するように設計されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Traditional particle size distribution (PSD) analyses create significant downtime and are expensive in labor and maintenance. These drawbacks could be alleviated using optical grain size analysis integrated into routine geotechnical laboratory workflow. This paper presents a high-resolution dataset of 12,714 images of 321 different soil samples collected in the Montreal, Quebec region, alongside their PSD analysis. It is designed to provide a robust starting point for training convolutional neural networks (CNN) in geotechnical applications. Soil samples were photographed in a standardized top-view position with a resolution of 45 MP and a minimum scale of 39.4 micrometers per pixel, both in their moist and dry states. A custom test bench employing 13x9 inch white aluminum trays, on which the samples are spread in a thin layer, was used. For samples exceeding a size limit, a coning and quartering method was employed for mass reduction.
• Abstract（参考訳）: 従来の粒子径分布(PSD)分析は、大幅なダウンタイムを生じさせ、労働と維持に費用がかかる。 これらの欠点は、光学的粒度分析を通常の地球工学実験ワークフローに統合することで緩和することができる。 ケベック州モントリオールで収集された321種類の土壌試料の高解像度12,714枚の画像とPSD解析を行った。 ジオテクノロジー応用において、畳み込みニューラルネットワーク(CNN)をトレーニングするための堅牢な出発点を提供するように設計されている。 土壌サンプルは45MPの解像度と1ピクセルあたり39.4マイクロメートルの最小解像度で、湿潤状態と乾燥状態の両方で標準化されたトップビューで撮影された。 試料を薄い層に広げる13x9インチの白色アルミニウムトレイを用いたカスタムテストベンチが使用された。 サイズ限界を超える試料に対しては, 塊状化法と塊状化法を併用した。

関連論文リスト

• Estimating the Diameter at Breast Height of Trees in a Forest With a Single 360 Camera [52.85399274741336]
  森林在庫は、生態モニタリング、資源管理、炭素会計のために、乳房の高さ(DBH)の直径の正確な測定に頼っている。 LiDARベースの技術はセンチメートル単位の精度を達成できるが、コストは抑えられ、運用上複雑である。 コンシューマグレードの360度ビデオカメラしか必要としない低価格の代替機を提示する。
  論文  参考訳（メタデータ） (2025-05-06T01:09:07Z)
• Cell Culture Assistive Application for Precipitation Image Diagnosis [0.0]
  光学顕微鏡画像を用いた384孔板の降水を自動的に検出するアプリケーションを開発した。 MNペアのコントラストクラスタリングを適用し,約20,000のパッチ画像から降水クラスを抽出する。 また,四重項井戸画像の最大値から降水量を検出するための機械学習パイプラインを構築した。
  論文  参考訳（メタデータ） (2024-07-29T11:42:32Z)
• Computer Vision for Particle Size Analysis of Coarse-Grained Soils [0.0]
  粒子径解析は土壌の物理的特性を評価するための基礎技術である。 粗粒土のPSAにコンピュータビジョン(CV)とPython言語を利用する新しい手法を提案する。 本手法は,高性能カメラを不要にすることで,利便性とコスト削減を実現する。
  論文  参考訳（メタデータ） (2023-11-11T17:01:24Z)
• Super-resolution GANs of randomly-seeded fields [68.8204255655161]
  ランダムスパースセンサからフィールド量の推定を行うための,GAN(Super- resolution Generative Adversarial Network)フレームワークを提案する。 このアルゴリズムはランダムサンプリングを利用して、高解像度の基底分布の不完全ビューを提供する。 提案手法は, 流体流動シミュレーション, 海洋表面温度分布測定, 粒子画像速度測定データの合成データベースを用いて検証した。
  論文  参考訳（メタデータ） (2022-02-23T18:57:53Z)
• Deep learning of multi-resolution X-Ray micro-CT images for multi-scale modelling [0.0]
  本研究では3次元拡張深部超解像(EDSR)畳み込みニューラルネットワークを開発し,大規模空間スケールで高分解能データを生成する。 我々は,テキスト解析,セグメンテーション動作,多相流シミュレーション(PNM)を用いてネットワークを検証した。 EDSR生成モデルは、不均一性の存在下での実験挙動を予測するための基礎LRモデルよりも精度が高い。
  論文  参考訳（メタデータ） (2021-11-01T21:49:22Z)
• Unrolling Particles: Unsupervised Learning of Sampling Distributions [102.72972137287728]
  粒子フィルタリングは複素系の優れた非線形推定を計算するために用いられる。 粒子フィルタは様々なシナリオにおいて良好な推定値が得られることを示す。
  論文  参考訳（メタデータ） (2021-10-06T16:58:34Z)
• Spectral Splitting and Aggregation Network for Hyperspectral Face Super-Resolution [82.59267937569213]
  高分解能(HR)ハイパースペクトル顔画像は、制御されていない条件下での顔関連コンピュータビジョンタスクにおいて重要な役割を果たす。 本稿では,ハイパースペクトル顔画像への深層学習手法の適用方法について検討する。 限られたトレーニングサンプルを用いたHFSRのためのスペクトル分割集約ネットワーク(SSANet)を提案する。
  論文  参考訳（メタデータ） (2021-08-31T02:13:00Z)
• Real-time Ionospheric Imaging of S4 Scintillation from Limited Data with Parallel Kalman Filters and Smoothness [91.3755431537592]
  南アメリカ上空350kmでS4振幅シンチレーションの2次元電離層像を時間分解能1分で作成する。 その結果, 地上受信機のネットワークが比較的良好なエリアでは, 生成画像が信頼性の高いリアルタイム結果を提供できることがわかった。
  論文  参考訳（メタデータ） (2021-05-11T23:09:14Z)
• MudrockNet: Semantic Segmentation of Mudrock SEM Images through Deep Learning [0.0]
  本稿では,GoogleのDeepLab-v3+アーキテクチャに基づく深層学習SEMセグメンテーションモデルMudrockNetを提案する。 訓練された深層学習モデルは、約90%の画素精度を取得し、試験データの予測値は、銀粒の0.6591と毛穴の0.6642の平均交点(IoU)を得た。
  論文  参考訳（メタデータ） (2021-02-05T19:38:44Z)
• DeePore: a deep learning workflow for rapid and comprehensive characterization of porous materials [0.0]
  DeePoreは、マイクロトモグラフィー画像に基づく幅広い多孔質材料特性を推定するためのディープラーニングワークフローである。 我々は,2563ボクセルの大きさの多孔質ジオマテリアルの半実3次元構造を17700個生成し,各試料の物理特性を,対応する細孔ネットワークモデル上の物理シミュレーションを用いて計算した。 CNNは、このデータセットに基づいて、多孔質材料のいくつかの形態的、水圧的、電気的、機械的特性を1秒で推定するように訓練されている。
  論文  参考訳（メタデータ） (2020-05-03T08:46:09Z)

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。