論文の概要: TACK Tunnel Data (TTD): A Benchmark Dataset for Deep Learning-Based Defect Detection in Tunnels

• arxiv url: http://arxiv.org/abs/2512.14477v1
• Date: Tue, 16 Dec 2025 15:10:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-17 16:49:26.757772
• Title: TACK Tunnel Data (TTD): A Benchmark Dataset for Deep Learning-Based Defect Detection in Tunnels
• Title（参考訳）: TACK Tunnel Data (TTD): トンネルにおける深層学習による欠陥検出のためのベンチマークデータセット
• Authors: Andreas Sjölander, Valeria Belloni, Robel Fekadu, Andrea Nascetti,
• Abstract要約: トンネルは交通インフラの重要な要素であるが, ひび割れなどの老朽化や劣化機構の影響が強くなっている。 モバイルマッピングシステムとディープラーニング(DL)の最近の進歩により、自動視覚検査が可能になった。 本稿では,3つのトンネルライニングの注釈付き画像を含む新しい公開データセットを提案する。
• 参考スコア（独自算出の注目度）: 0.5708902722746041
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Tunnels are essential elements of transportation infrastructure, but are increasingly affected by ageing and deterioration mechanisms such as cracking. Regular inspections are required to ensure their safety, yet traditional manual procedures are time-consuming, subjective, and costly. Recent advances in mobile mapping systems and Deep Learning (DL) enable automated visual inspections. However, their effectiveness is limited by the scarcity of tunnel datasets. This paper introduces a new publicly available dataset containing annotated images of three different tunnel linings, capturing typical defects: cracks, leaching, and water infiltration. The dataset is designed to support supervised, semi-supervised, and unsupervised DL methods for defect detection and segmentation. Its diversity in texture and construction techniques also enables investigation of model generalization and transferability across tunnel types. By addressing the critical lack of domain-specific data, this dataset contributes to advancing automated tunnel inspection and promoting safer, more efficient infrastructure maintenance strategies.
• Abstract（参考訳）: トンネルは交通インフラの重要な要素であるが, ひび割れなどの老朽化や劣化機構の影響が強くなっている。 通常の検査は安全を確保するために必要だが、伝統的な手作業は時間を要する、主観的、費用がかかる。 モバイルマッピングシステムとディープラーニング(DL)の最近の進歩により、自動視覚検査が可能になった。 しかし、その有効性はトンネルデータセットの不足によって制限される。 本稿では,3つのトンネルライニングの注釈付き画像を含む新しい公開データセットについて紹介し,ひび割れ,ひび割れ,水浸透といった典型的な欠陥を捉えた。 このデータセットは、欠陥検出とセグメンテーションのための教師付き、半教師付き、教師なしのDLメソッドをサポートするように設計されている。 そのテクスチャと工法における多様性は、トンネルタイプ間のモデルの一般化と伝達可能性の調査にも有効である。 ドメイン固有のデータの重要な欠如に対処することにより、このデータセットは、自動トンネル検査の進歩と、より安全で効率的なインフラストラクチャメンテナンス戦略の促進に寄与する。

関連論文リスト

• Self-Supervised Multi-Scale Transformer with Attention-Guided Fusion for Efficient Crack Detection [6.36678579841487]
  本稿では,手動のアノテーションを使わずに,有効画素レベルのクラックセグメンテーションを実現する可能性について検討する。 完全に自己管理されたフレームワークであるCrack-Segmenterが開発され、3つの相補的なモジュールが統合されている。 Crack-Segmenterは、すべての主要なメトリクスで13の最先端の教師付きメソッドを一貫して上回っている。
  論文  参考訳（メタデータ） (2025-10-12T00:25:33Z)
• Crack Detection in Infrastructure Using Transfer Learning, Spatial Attention, and Genetic Algorithm Optimization [3.1687473999848836]
  亀裂検出は、道路、橋、建物などのインフラの維持と安全性において重要な役割を担っている。 伝統的に手動検査が標準であったが、労働集約的で主観的で危険である。 本稿では, 深層学習, 移動学習, 空間的注意機構, 遺伝的アルゴリズム(GA)最適化を活用した, インフラのひび割れ検出のための高度な手法を提案する。
  論文  参考訳（メタデータ） (2024-11-26T06:12:56Z)
• SINDER: Repairing the Singular Defects of DINOv2 [61.98878352956125]
  大規模なデータセットでトレーニングされたビジョントランスフォーマーモデルは、抽出したパッチトークンにアーティファクトを表示することが多い。 本稿では,小さなデータセットのみを用いて構造欠陥を補正するスムーズなスムーズな正規化を提案する。
  論文  参考訳（メタデータ） (2024-07-23T20:34:23Z)
• TII-SSRC-23 Dataset: Typological Exploration of Diverse Traffic Patterns for Intrusion Detection [0.5261718469769447]
  既存のデータセットは、しばしば不足しており、必要な多様性と現在のネットワーク環境との整合性が欠如している。 本稿では,これらの課題を克服するための新しい包括的データセットであるTII-SSRC-23を紹介する。
  論文  参考訳（メタデータ） (2023-09-14T05:23:36Z)
• Aligned Unsupervised Pretraining of Object Detectors with Self-training [41.03780087924593]
  物体検出器の教師なし事前訓練は、近年、物体検出器訓練の重要な要素となっている。 本稿では、この問題を緩和し、3つの単純かつ重要な要素からなるフレームワークを提案する。 当社の戦略は,スクラッチ(背骨を含む)からの事前トレーニングも可能であり,COCOのような複雑な画像にも適用可能であることを示す。
  論文  参考訳（メタデータ） (2023-07-28T17:46:00Z)
• AL-iGAN: An Active Learning Framework for Tunnel Geological Reconstruction Based on TBM Operational Data [70.99694324397903]
  地下トンネル掘削機 (TBM) では, トンネル内に分布する岩盤のタイプを正確に記述することで, 建設リスクを低減できる。 TBM操作データに基づくトンネル地質復元のためのアクティブラーニングフレームワークAL-iGANを提案する。
  論文  参考訳（メタデータ） (2022-12-02T04:39:58Z)
• AI-Driven Road Maintenance Inspection v2: Reducing Data Dependency & Quantifying Road Damage [11.052502162865206]
  道路インフラの整備検査は、通常、全ての道路利用者の安全を確保するために労働集約的で重要な作業である。 道路損傷検出のためのラベルを生成するために,少数ショット学習やアウト・オブ・ディストリビューション検出といった手法を活用することで,自動ラベリングパイプラインを提案する。 これらの技術で訓練されたAIモデルは、人間のアノテーションの要求を減らした実世界のデータをより一般化するだけでなく、メンテナンスの緊急さを見積もることも示している。
  論文  参考訳（メタデータ） (2022-10-07T14:11:27Z)
• 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)
• Three dimensional unique identifier based automated georeferencing and coregistration of point clouds in underground environment [0.0]
  本研究は, 地下・室内レーザースキャンにおける実用的課題を克服することを目的とする。 レーザースキャンにおける3次元一意識別子(3duids)と3次元登録(3dreg)ワークフローを自動かつ一意的に識別する手法を開発した。 開発された3DUIDは、道路プロファイル抽出、ガイド付き自動化、センサーキャリブレーション、定期的な調査および変形監視の基準目標に使用できます。
  論文  参考訳（メタデータ） (2021-02-22T01:47:50Z)

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。