論文の概要: Intelligent recognition of GPR road hidden defect images based on feature fusion and attention mechanism

• arxiv url: http://arxiv.org/abs/2512.21452v1
• Date: Thu, 25 Dec 2025 00:29:58 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-12-29 11:54:08.606877
• Title: Intelligent recognition of GPR road hidden defect images based on feature fusion and attention mechanism
• Title（参考訳）: 特徴融合と注意機構に基づくGPR道路隠れ欠陥画像のインテリジェント認識
• Authors: Haotian Lv, Yuhui Zhang, Jiangbo Dai, Hanli Wu, Jiaji Wang, Dawei Wang,
• Abstract要約: 地中貫入レーダ(GPR)は,地下道路の欠陥を非破壊的に評価するための重要なツールである。 本稿では,これらの制約に対処するための包括的枠組みを紹介する。
• 参考スコア（独自算出の注目度）: 14.938306841402643
• License:
• Abstract: Ground Penetrating Radar (GPR) has emerged as a pivotal tool for non-destructive evaluation of subsurface road defects. However, conventional GPR image interpretation remains heavily reliant on subjective expertise, introducing inefficiencies and inaccuracies. This study introduces a comprehensive framework to address these limitations: (1) A DCGAN-based data augmentation strategy synthesizes high-fidelity GPR images to mitigate data scarcity while preserving defect morphology under complex backgrounds; (2) A novel Multi-modal Chain and Global Attention Network (MCGA-Net) is proposed, integrating Multi-modal Chain Feature Fusion (MCFF) for hierarchical multi-scale defect representation and Global Attention Mechanism (GAM) for context-aware feature enhancement; (3) MS COCO transfer learning fine-tunes the backbone network, accelerating convergence and improving generalization. Ablation and comparison experiments validate the framework's efficacy. MCGA-Net achieves Precision (92.8%), Recall (92.5%), and mAP@50 (95.9%). In the detection of Gaussian noise, weak signals and small targets, MCGA-Net maintains robustness and outperforms other models. This work establishes a new paradigm for automated GPR-based defect detection, balancing computational efficiency with high accuracy in complex subsurface environments.
• Abstract（参考訳）: 地中貫入レーダ(GPR)は,地下道路の欠陥を非破壊的に評価するための重要なツールである。 しかし、従来のGPR画像の解釈は、非効率性や不正確性を導入し、主観的な専門知識に大きく依存している。 本研究は,これらの制約に対処するための包括的枠組みを紹介する。(1)DCGANベースのデータ拡張戦略は,複雑な背景下での欠陥形態を保ちながら,データ不足を軽減するために,高忠実なGPRイメージを合成する。(2)新しいマルチモーダル連鎖・グローバルアテンションネットワーク(MCGA-Net)を提案し,階層的マルチスケールの欠陥表現とグローバルアテンション機構(GAM)を統合した。(3)MS COCO転送学習はバックボーンネットワークを微調整し,収束を加速し,一般化を向上する。 アブレーションと比較実験は、フレームワークの有効性を検証する。 MCGA-Netは精度(92.8%)、リコール(92.5%)、mAP@50(95.9%)を達成している。 ガウスノイズ、弱い信号、小さなターゲットの検出において、MCGA-Netはロバスト性を維持し、他のモデルより優れている。 この研究は、複雑な地下環境において計算効率と高い精度のバランスをとる、GPRに基づく欠陥の自動検出のための新しいパラダイムを確立する。

関連論文リスト

• Effective Gaussian Management for High-fidelity Object Reconstruction [47.01735185355104]
  本稿では、外観と幾何学の高忠実度シーン再構築のための効果的なガウス管理フレームワークを提案する。 提案手法は,最先端手法と比較して外観と幾何学の両方を再構築する上で,優れた性能を実現する。
  論文  参考訳（メタデータ） (2025-09-16T06:54:55Z)
• Graph-Based Uncertainty Modeling and Multimodal Fusion for Salient Object Detection [12.743278093269325]
  動的不確実性伝播とマルチモーダル協調推論ネットワーク(DUP-MCRNet)を提案する。 DUGCは空間意味距離に基づいて構築されたスパースグラフを通じて層間の不確実性を伝播するように設計されている。 MCFは学習可能なモダリティゲーティングウェイトを使用して、RGB、深さ、エッジの特徴の注意マップを重み付けする。
  論文  参考訳（メタデータ） (2025-08-28T04:31:48Z)
• SpectrumFM: A Foundation Model for Intelligent Spectrum Management [99.08036558911242]
  既存のインテリジェントスペクトル管理手法は、通常は小規模モデルに基づいており、認識精度、収束速度、一般化の顕著な制限に悩まされている。 本稿では、スペクトルFMと呼ばれる新しいスペクトル基盤モデルを提案し、スペクトル管理のための新しいパラダイムを確立する。 実験により、SpectrumFMは精度、堅牢性、適応性、少数ショット学習効率、収束速度の点で優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2025-05-02T04:06:39Z)
• Advanced technology in railway track monitoring using the GPR Technique: A Review [41.94295877935867]
  グラウンド・ペネトレーション・レーダー (GPR) は、鉄道線路の監視に使用できる電磁探査技術である。 バラストポケット、ファウルドバラスト、排水不良、下級集落などの欠陥を検出することができる。 本稿では,実世界のGPRデータのキャリブレーションに合成モデリングを用いる手法について述べる。 ディープラーニング技術、特にCNN(Convolutional Neural Networks)やRNN(Recurrent Neural Networks)も、GPRイメージの欠陥に関連するパターンを認識する上での有効性を強調している。
  論文  参考訳（メタデータ） (2025-01-19T18:01:39Z)
• Advanced Financial Fraud Detection Using GNN-CL Model [13.5240775562349]
  本稿では,金融不正検出の分野において,革新的なGNN-CLモデルを提案する。 グラフニューラルネットワーク(gnn)、畳み込みニューラルネットワーク(cnn)、長期記憶(LSTM)の利点を組み合わせる。 本稿では,マルチ層パーセプトロン(MLPS)を用いてノードの類似性を推定する。
  論文  参考訳（メタデータ） (2024-07-09T03:59:06Z)
• Feature Attenuation of Defective Representation Can Resolve Incomplete Masking on Anomaly Detection [1.0358639819750703]
  教師なし異常検出(UAD)研究では、計算効率が高くスケーラブルなソリューションを開発する必要がある。 再建・塗り替えのアプローチを再考し、強みと弱みを分析して改善する。 異常再構成の特徴情報を減衰させる2つの層のみを用いるFADeR(Feature Attenuation of Defective Representation)を提案する。
  論文  参考訳（メタデータ） (2024-07-05T15:44:53Z)
• HGAttack: Transferable Heterogeneous Graph Adversarial Attack [63.35560741500611]
  ヘテロジニアスグラフニューラルネットワーク(HGNN)は、Webやeコマースなどの分野でのパフォーマンスでますます認識されている。 本稿ではヘテロジニアスグラフに対する最初の専用グレーボックス回避手法であるHGAttackを紹介する。
  論文  参考訳（メタデータ） (2024-01-18T12:47:13Z)
• You Only Train Once: A Unified Framework for Both Full-Reference and No-Reference Image Quality Assessment [45.62136459502005]
  本稿では,完全な参照 (FR) と非参照 (NR) IQA を行うネットワークを提案する。 まず、入力画像から多レベル特徴を抽出するためにエンコーダを用いる。 FRおよびNR入力のユニバーサルアダプタとして階層的注意(HA)モジュールを提案する。 エンコーダの浅い層と深い層との間の特徴相関を調べるために, セマンティック・ディストーション・アウェア (SDA) モジュールを提案する。
  論文  参考訳（メタデータ） (2023-10-14T11:03:04Z)
• Global Context Aggregation Network for Lightweight Saliency Detection of Surface Defects [70.48554424894728]
  我々は,エンコーダ・デコーダ構造上の表面欠陥を簡易に検出するためのGCANet(Global Context Aggregation Network)を開発した。 まず、軽量バックボーンの上部層に新しいトランスフォーマーエンコーダを導入し、DSA(Depth-wise Self-Attention)モジュールを通じてグローバルなコンテキスト情報をキャプチャする。 3つの公開欠陥データセットの実験結果から,提案したネットワークは,他の17の最先端手法と比較して,精度と実行効率のトレードオフを良好に達成できることが示された。
  論文  参考訳（メタデータ） (2023-09-22T06:19:11Z)
• Brain Imaging-to-Graph Generation using Adversarial Hierarchical Diffusion Models for MCI Causality Analysis [44.45598796591008]
  機能的磁気共鳴画像(fMRI)を軽度認知障害解析のための効果的な接続性にマッピングするために,脳画像から画像へのBIGG(Brain Imaging-to-graph generation)フレームワークを提案する。 発電機の階層変換器は、複数のスケールでノイズを推定するように設計されている。 ADNIデータセットの評価は,提案モデルの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2023-05-18T06:54:56Z)
• Adaptive Sparse Convolutional Networks with Global Context Enhancement for Faster Object Detection on Drone Images [26.51970603200391]
  本稿では,スパース畳み込みに基づく検出ヘッドの最適化について検討する。 これは、小さなオブジェクトのコンテキスト情報の不十分な統合に悩まされる。 本稿では,グローバルな文脈拡張型適応スパース畳み込みネットワークを提案する。
  論文  参考訳（メタデータ） (2023-03-25T14:42:50Z)

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。