論文の概要: Lightweight framework for underground pipeline recognition and spatial localization based on multi-view 2D GPR images

• arxiv url: http://arxiv.org/abs/2512.20866v1
• Date: Wed, 24 Dec 2025 00:50:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-25 19:43:21.644364
• Title: Lightweight framework for underground pipeline recognition and spatial localization based on multi-view 2D GPR images
• Title（参考訳）: 多視点2次元GPR画像に基づく地下パイプライン認識と空間的位置推定のための軽量フレームワーク
• Authors: Haotian Lv, Chao Li, Jiangbo Dai, Yuhui Zhang, Zepeng Fan, Yiqiu Tan, Dawei Wang, Binglei Xie,
• Abstract要約: 本稿では、3次元GPRを用いた地下パイプライン検出の複雑なシナリオにおいて、多視点特徴間の弱い相関、小型目標の認識精度の低さ、およびロバスト性に対処する3次元パイプラインインテリジェント検出フレームワークを提案する。 実験により, 複雑なマルチパイプのシナリオにおいて, 精度96.2%, 平均精度93.3%, 平均精度96.7%が得られた。
• 参考スコア（独自算出の注目度）: 16.242494425009163
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To address the issues of weak correlation between multi-view features, low recognition accuracy of small-scale targets, and insufficient robustness in complex scenarios in underground pipeline detection using 3D GPR, this paper proposes a 3D pipeline intelligent detection framework. First, based on a B/C/D-Scan three-view joint analysis strategy, a three-dimensional pipeline three-view feature evaluation method is established by cross-validating forward simulation results obtained using FDTD methods with actual measurement data. Second, the DCO-YOLO framework is proposed, which integrates DySample, CGLU, and OutlookAttention cross-dimensional correlation mechanisms into the original YOLOv11 algorithm, significantly improving the small-scale pipeline edge feature extraction capability. Furthermore, a 3D-DIoU spatial feature matching algorithm is proposed, which integrates three-dimensional geometric constraints and center distance penalty terms to achieve automated association of multi-view annotations. The three-view fusion strategy resolves inherent ambiguities in single-view detection. Experiments based on real urban underground pipeline data show that the proposed method achieves accuracy, recall, and mean average precision of 96.2%, 93.3%, and 96.7%, respectively, in complex multi-pipeline scenarios, which are 2.0%, 2.1%, and 0.9% higher than the baseline model. Ablation experiments validated the synergistic optimization effect of the dynamic feature enhancement module and Grad-CAM++ heatmap visualization demonstrated that the improved model significantly enhanced its ability to focus on pipeline geometric features. This study integrates deep learning optimization strategies with the physical characteristics of 3D GPR, offering an efficient and reliable novel technical framework for the intelligent recognition and localization of underground pipelines.
• Abstract（参考訳）: 3次元GPRを用いた地下パイプライン検出の複雑なシナリオにおいて,マルチビュー特徴の弱相関,小型目標の認識精度の低下,およびロバスト性に欠ける問題に対処するため,本稿では3次元パイプライン知能検出フレームワークを提案する。 まず,実測データを用いたFDTD法による前方シミュレーション結果の相互検証により,B/C/D-Scanの3次元共同解析戦略に基づいて3次元パイプラインの3次元特徴評価法を確立した。 次に,DySample,CGLU,OutlookAttentionの相互相関機構を元のYOLOv11アルゴリズムに組み込んだDCO-YOLOフレームワークを提案する。 さらに、3次元幾何学的制約と中心距離のペナルティ項を統合した3D-DIoU空間特徴マッチングアルゴリズムを提案し、マルチビューアノテーションの自動結合を実現する。 3ビュー融合戦略は、単一ビュー検出において固有の曖昧さを解消する。 実都市地下パイプラインデータに基づく実験により, 提案手法は, ベースラインモデルよりも2.0%, 2.1%, 0.9%高い複素マルチパイプシナリオにおいて, 96.2%, 93.3%, 96.7%の精度で精度, 平均精度を達成できることがわかった。 アブレーション実験により,動的特徴拡張モジュールの相乗的最適化効果が検証され,Grad-CAM++熱マップの可視化により,改良されたモデルによりパイプライン幾何学的特徴にフォーカスする能力が大幅に向上した。 本研究では,深層学習の最適化戦略を3次元GPRの物理特性と統合し,地下パイプラインのインテリジェントな認識とローカライゼーションのための,効率的で信頼性の高い新しい技術フレームワークを提供する。

関連論文リスト

• Multi-modal Loop Closure Detection with Foundation Models in Severely Unstructured Environments [10.028232479762075]
  本稿では,マルチモーダルパイプラインであるMPRFについて述べる。 S3LIデータセットとS3LI Vulcanoデータセットの実験は、MPRFが最先端の検索方法よりも精度が高いことを示している。 SLAMバックエンドに適した解釈可能な対応を提供することにより、MPRFは精度、効率、信頼性の間の良好なトレードオフを達成する。
  論文  参考訳（メタデータ） (2025-11-07T16:30:35Z)
• Pseudo Depth Meets Gaussian: A Feed-forward RGB SLAM Baseline [64.42938561167402]
  本稿では,3次元ガウス型SLAMとフィードフォワードリカレント予測モジュールを組み合わせたオンライン3次元再構成手法を提案する。 このアプローチは、遅いテスト時間の最適化を高速なネットワーク推論に置き換え、トラッキング速度を大幅に改善する。 提案手法は,最先端のSplaTAMと同等の性能を示しながら,追跡時間を90%以上削減する。
  論文  参考訳（メタデータ） (2025-08-06T16:16:58Z)
• Lightweight Deep Learning Framework for Accurate Particle Flow Energy Reconstruction [8.598010350935596]
  本稿では,ディープラーニング再構築の枠組みを体系的に評価する。 重み付き平均2乗と誤差構造類似度指数を組み合わせたハイブリッド損失関数を設計する。 我々は,モーダル時間的相関とエネルギー変位非線形性を捉えるモデルの能力を強化する。
  論文  参考訳（メタデータ） (2024-10-08T11:49:18Z)
• Implicit Gaussian Splatting with Efficient Multi-Level Tri-Plane Representation [45.582869951581785]
  Implicit Gaussian Splatting (IGS)は、明示的なポイントクラウドと暗黙的な機能埋め込みを統合する革新的なハイブリッドモデルである。 本稿では,空間正規化を具体化したレベルベースプログレッシブトレーニング手法を提案する。 我々のアルゴリズムは、数MBしか使用せず、ストレージ効率とレンダリング忠実さを効果的にバランスして、高品質なレンダリングを実現することができる。
  論文  参考訳（メタデータ） (2024-08-19T14:34:17Z)
• Volumetric Semantically Consistent 3D Panoptic Mapping [77.13446499924977]
  非構造環境における自律エージェントに適したセマンティック3Dマップを生成することを目的としたオンライン2次元から3次元のセマンティック・インスタンスマッピングアルゴリズムを提案する。 マッピング中にセマンティック予測の信頼性を統合し、セマンティックおよびインスタンス一貫性のある3D領域を生成する新しい方法を導入する。 提案手法は,パブリックな大規模データセット上での最先端の精度を実現し,多くの広く使用されているメトリクスを改善した。
  論文  参考訳（メタデータ） (2023-09-26T08:03:10Z)
• Improving 3D Object Detection with Channel-wise Transformer [58.668922561622466]
  我々は手作りの最小限の設計で2段階の3Dオブジェクト検出フレームワーク(CT3D)を提案する。 CT3Dは、提案対応の埋め込みとチャンネルワイドコンテキストアグリゲーションを同時に行う。 これはKITTIテスト3D検出ベンチマークで中等車カテゴリーで81.77%のAPを達成した。
  論文  参考訳（メタデータ） (2021-08-23T02:03:40Z)
• Spatial-Spectral Residual Network for Hyperspectral Image Super-Resolution [82.1739023587565]
  ハイパースペクトル画像超解像のための新しいスペクトル空間残差ネットワーク(SSRNet)を提案する。 提案手法は,2次元畳み込みではなく3次元畳み込みを用いて空間スペクトル情報の探索を効果的に行うことができる。 各ユニットでは空間的・時間的分離可能な3次元畳み込みを用いて空間的・スペクトル的な情報を抽出する。
  論文  参考訳（メタデータ） (2020-01-14T03:34:55Z)

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。