論文の概要: Saliency-Guided Deep Learning for Bridge Defect Detection in Drone Imagery

• arxiv url: http://arxiv.org/abs/2511.14040v1
• Date: Tue, 18 Nov 2025 01:44:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-19 16:23:52.871926
• Title: Saliency-Guided Deep Learning for Bridge Defect Detection in Drone Imagery
• Title（参考訳）: 空力誘導型深層学習によるドローン画像の橋梁欠陥検出
• Authors: Loucif Hebbache, Dariush Amirkhani, Mohand Saïd Allili, Jean-François Lapointe,
• Abstract要約: 本稿では, ドローン画像を用いたコンクリート橋梁構造物の欠陥の自動検出, 局所化, 分類を行う手法を提案する。 第1段階では、欠陥が通常の表面パターンに局所的な不連続性を示すような欠陥領域の提案に、塩分濃度を用いる。 第2段階はYOLOXをベースとした深層学習検出器を用いており、有界レベル輝度を正極欠陥領域に印加することによって得られる塩分濃度強調画像で動作する。
• 参考スコア（独自算出の注目度）: 4.7846041866823965
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Anomaly object detection and classification are one of the main challenging tasks in computer vision and pattern recognition. In this paper, we propose a new method to automatically detect, localize and classify defects in concrete bridge structures using drone imagery. This framework is constituted of two main stages. The first stage uses saliency for defect region proposals where defects often exhibit local discontinuities in the normal surface patterns with regard to their surrounding. The second stage employs a YOLOX-based deep learning detector that operates on saliency-enhanced images obtained by applying bounding-box level brightness augmentation to salient defect regions. Experimental results on standard datasets confirm the performance of our framework and its suitability in terms of accuracy and computational efficiency, which give a huge potential to be implemented in a self-powered inspection system.
• Abstract（参考訳）: 異常物体の検出と分類はコンピュータビジョンとパターン認識において大きな課題の1つである。 本稿では, ドローン画像を用いたコンクリート構造物の欠陥の自動検出, 局所化, 分類を行う手法を提案する。 この枠組みは2つの主要な段階から構成される。 第1段階では、欠陥が周囲の通常の表面パターンに局所的な不連続性を示すような欠陥領域の提案に、塩分濃度を用いる。 第2段階はYOLOXをベースとした深層学習検出器を用いており、有界レベル輝度を正極欠陥領域に印加することによって得られる塩分濃度強調画像で動作する。 標準データセットによる実験結果から,本フレームワークの性能と適合性について,精度と計算効率の観点から検証し,自力検査システムに実装する大きな可能性を秘めている。

関連論文リスト

• BenchReAD: A systematic benchmark for retinal anomaly detection [23.15668882564837]
  データとアルゴリズムの観点から総合的かつ体系的な網膜異常検出のためのベンチマークを導入する。 異常の非交叉表現(DRA)を利用した完全教師付きアプローチは、最高の性能を達成できるが、ある異常な異常に遭遇した場合、性能が著しく低下する。 本研究では,一級教師あり学習におけるメモリバンク機構に着想を得て,DRAと通常の特徴記憶を統合して性能劣化を緩和するNFM-DRAを提案する。
  論文  参考訳（メタデータ） (2025-07-14T17:13:08Z)
• Crane: Context-Guided Prompt Learning and Attention Refinement for Zero-Shot Anomaly Detection [50.343419243749054]
  異常検出は、医学診断や工業的欠陥検出などの分野において重要である。 CLIPの粗粒化画像テキストアライメントは、微粒化異常に対する局所化と検出性能を制限する。 クレーンは最先端のZSADを2%から28%に改善し、画像レベルとピクセルレベルの両方で、推論速度では競争力を維持している。
  論文  参考訳（メタデータ） (2025-04-15T10:42:25Z)
• Understanding and Improving Training-Free AI-Generated Image Detections with Vision Foundation Models [68.90917438865078]
  顔合成と編集のためのディープフェイク技術は、生成モデルに重大なリスクをもたらす。 本稿では,モデルバックボーン,タイプ,データセット間で検出性能がどう変化するかを検討する。 本稿では、顔画像のパフォーマンスを向上させるContrastive Blurと、ノイズタイプのバイアスに対処し、ドメイン間のパフォーマンスのバランスをとるMINDERを紹介する。
  論文  参考訳（メタデータ） (2024-11-28T13:04:45Z)
• UniForensics: Face Forgery Detection via General Facial Representation [60.5421627990707]
  高レベルの意味的特徴は摂動の影響を受けにくく、フォージェリー固有の人工物に限らないため、より強い一般化がある。 我々は、トランスフォーマーベースのビデオネットワークを活用する新しいディープフェイク検出フレームワークUniForensicsを導入し、顔の豊かな表現のためのメタファンクショナルな顔分類を行う。
  論文  参考訳（メタデータ） (2024-07-26T20:51:54Z)
• GeneralAD: Anomaly Detection Across Domains by Attending to Distorted Features [68.14842693208465]
  GeneralADは、意味的、ほぼ分布的、産業的設定で動作するように設計された異常検出フレームワークである。 本稿では,ノイズ付加やシャッフルなどの簡単な操作を施した自己教師付き異常生成モジュールを提案する。 提案手法を10のデータセットに対して広範囲に評価し,6つの実験結果と,残りの6つの実験結果を得た。
  論文  参考訳（メタデータ） (2024-07-17T09:27:41Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2022-06-23T14:16:30Z)
• 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)
• A DCNN-based Arbitrarily-Oriented Object Detector for Quality Control and Inspection Application [10.076629346147639]
  軽量ニューラルネットワークを利用して回帰法を用いて指向性検出結果を得る。 提案手法の第1段階では,2つのシナリオで考慮される小型ターゲットを検出できる。 第2段階では、単純さにもかかわらず、高いランニング効率を維持しながら延長ターゲットを検出することが効率的です。
  論文  参考訳（メタデータ） (2021-01-19T00:23:27Z)
• Local Anomaly Detection in Videos using Object-Centric Adversarial Learning [12.043574473965318]
  本稿では,ビデオ中のフレームレベルの局所異常を検出するために,オブジェクト領域のみを必要とする2段階のオブジェクト中心対向フレームワークを提案する。 第1段階は、現在の外観と、通常と見なされる場面における物体の過去の勾配画像との対応を学習することで、現在の外観から過去の勾配を生成できるか、逆から生成することができる。 第2段階は、実際の画像と生成された画像(外観と過去の勾配)の間の部分再構成誤差を通常の物体の挙動で抽出し、対向的に判別器を訓練する。
  論文  参考訳（メタデータ） (2020-11-13T02:02:37Z)

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。