論文の概要: PipeMFL-240K: A Large-scale Dataset and Benchmark for Object Detection in Pipeline Magnetic Flux Leakage Imaging

• arxiv url: http://arxiv.org/abs/2602.07044v1
• Date: Wed, 04 Feb 2026 04:43:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-10 20:26:24.396561
• Title: PipeMFL-240K: A Large-scale Dataset and Benchmark for Object Detection in Pipeline Magnetic Flux Leakage Imaging
• Title（参考訳）: PipeMFL-240K:パイプライン磁束漏洩画像における大規模データセットと物体検出ベンチマーク
• Authors: Tianyi Qu, Songxiao Yang, Haolin Wang, Huadong Song, Xiaoting Guo, Wenguang Hu, Guanlin Liu, Honghe Chen, Yafei Ou,
• Abstract要約: PipeMFL-240Kは、パイプラインMFL擬似カラー画像における複雑なオブジェクト検出のための、微妙な注釈付きデータセットとベンチマークである。 データセットには、textbf240,320イメージとtextbf191,530の高品質なバウンディングボックスアノテーションが含まれており、約 textbf1,480 km にまたがる11のパイプラインから収集されている。
• 参考スコア（独自算出の注目度）: 8.438027466083959
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Pipeline integrity is critical to industrial safety and environmental protection, with Magnetic Flux Leakage (MFL) detection being a primary non-destructive testing technology. Despite the promise of deep learning for automating MFL interpretation, progress toward reliable models has been constrained by the absence of a large-scale public dataset and benchmark, making fair comparison and reproducible evaluation difficult. We introduce \textbf{PipeMFL-240K}, a large-scale, meticulously annotated dataset and benchmark for complex object detection in pipeline MFL pseudo-color images. PipeMFL-240K reflects real-world inspection complexity and poses several unique challenges: (i) an extremely long-tailed distribution over \textbf{12} categories, (ii) a high prevalence of tiny objects that often comprise only a handful of pixels, and (iii) substantial intra-class variability. The dataset contains \textbf{240,320} images and \textbf{191,530} high-quality bounding-box annotations, collected from 11 pipelines spanning approximately \textbf{1,480} km. Extensive experiments are conducted with state-of-the-art object detectors to establish baselines. Results show that modern detectors still struggle with the intrinsic properties of MFL data, highlighting considerable headroom for improvement, while PipeMFL-240K provides a reliable and challenging testbed to drive future research. As the first public dataset and the first benchmark of this scale and scope for pipeline MFL inspection, it provides a critical foundation for efficient pipeline diagnostics as well as maintenance planning and is expected to accelerate algorithmic innovation and reproducible research in MFL-based pipeline integrity assessment.
• Abstract（参考訳）: パイプラインの完全性は、産業の安全と環境保護にとって重要であり、磁気フラックス漏洩検知(MFL)が主要な非破壊試験技術である。 MFLの解釈を自動化するためのディープラーニングの約束にもかかわらず、大規模な公開データセットとベンチマークがないため、信頼性の高いモデルへの進歩は制約されており、公正な比較と再現可能な評価が困難になっている。 我々は,パイプラインMFL擬似カラー画像における大規模かつ巧妙な注釈付きデータセットと複雑なオブジェクト検出のためのベンチマークである \textbf{PipeMFL-240K} を紹介した。 PipeMFL-240Kは現実世界の検査の複雑さを反映し、いくつかのユニークな課題を提起する。 (i) \textbf{12} 圏上の極端に長い尾の分布。 (ii)少数のピクセルのみから構成される小さな物体の頻度が高く、 (三)クラス内での実質的変動 データセットには、約 \textbf{1,480} kmにまたがる11のパイプラインから収集された、 \textbf{240,320} 画像と \textbf{191,530} 高品質なバウンディングボックスアノテーションが含まれている。 最先端の物体検出器を用いて大規模な実験を行い、ベースラインを確立する。 その結果、現代の検出器は依然としてMFLデータの本質的な性質に悩まされており、改善のためのかなりのヘッドルームが強調されている一方、PipeMFL-240Kは将来の研究を推進するための信頼性と挑戦的なテストベッドを提供する。 最初の公開データセットとパイプラインMFL検査のための最初のベンチマークとして、効率的なパイプライン診断とメンテナンス計画のための重要な基盤を提供し、MFLベースのパイプライン整合性評価におけるアルゴリズムの革新と再現可能な研究を加速することが期待されている。

関連論文リスト

• SuperAD: A Training-free Anomaly Classification and Segmentation Method for CVPR 2025 VAND 3.0 Workshop Challenge Track 1: Adapt & Detect [17.160007050126403]
  SuperADと命名されたDINOv2モデルを用いて特徴抽出に基づく完全トレーニング不要な異常検出とセグメンテーション手法を提案する。 本手法は,MVTec AD 2データセットの両テストセットの競合性を実現する。
  論文  参考訳（メタデータ） (2025-05-26T09:29:27Z)
• Purifying, Labeling, and Utilizing: A High-Quality Pipeline for Small Object Detection [83.90563802153707]
  PLUSNetは高品質のSmallオブジェクト検出フレームワークである。 上流の特徴を浄化するための階層的特徴(HFP)フレームワーク、中流トレーニングサンプルの品質を改善するための多重基準ラベル割り当て(MCLA)、下流タスクを達成するためにより効果的に情報を活用するための周波数分離ヘッド(FDHead)の3つのコンポーネントで構成されている。
  論文  参考訳（メタデータ） (2025-04-29T10:11:03Z)
• Enhancing and Accelerating Diffusion-Based Inverse Problem Solving through Measurements Optimization [66.17291150498276]
  textbfMeasurements textbfOptimization (MO)は,逆問題解決プロセスの各ステップで計測情報を統合するための,より効率的なプラグイン・アンド・プレイモジュールである。 MOを使用することで、複数のタスクにまたがる最新技術(SOTA)のパフォーマンスを確立することができ、大きな利点があります。
  論文  参考訳（メタデータ） (2024-12-05T07:44:18Z)
• Object-Size-Driven Design of Convolutional Neural Networks: Virtual Axle Detection based on Raw Data [0.0]
  本研究では,橋梁上に任意に設置したセンサを用いた列車軸受のリアルタイム検出手法を提案する。 VADER(Virtual Axle Detector with Enhanced Receptive Field)の開発は、単線鉄道橋上で検証されている。 生データを入力として使用することで、最先端のスペクトログラムベースの手法をスピードとメモリ使用率の両方で99%向上させた。
  論文  参考訳（メタデータ） (2023-09-04T12:53:54Z)
• Wild Face Anti-Spoofing Challenge 2023: Benchmark and Results [73.98594459933008]
  顔認証システム(FAS)は、顔認識システムの完全性を保護するための重要なメカニズムである。 この制限は、公開可能なFASデータセットの不足と多様性の欠如に起因する可能性がある。 制約のない環境で収集された大規模で多様なFASデータセットであるWild Face Anti-Spoofingデータセットを紹介した。
  論文  参考訳（メタデータ） (2023-04-12T10:29:42Z)
• Sound Event Classification in an Industrial Environment: Pipe Leakage Detection Use Case [3.9414768019101682]
  産業環境におけるパイプ漏れ検出のための多段階機械学習パイプラインを提案する。 提案されたパイプラインは複数のステップを適用し、それぞれが環境の課題に対処する。 その結果, 精度99%, F1スコア0.93, 0.9の優れた結果が得られた。
  論文  参考訳（メタデータ） (2022-05-05T15:26:22Z)
• Visible-Thermal UAV Tracking: A Large-Scale Benchmark and New Baseline [80.13652104204691]
  本稿では,可視熱UAV追跡(VTUAV)のための高多様性の大規模ベンチマークを構築する。 本稿では, フレームレベルの属性を, チャレンジ固有のトラッカーの可能性を利用するための粗粒度属性アノテーションを提案する。 さらに,様々なレベルでRGB-Tデータを融合するHMFT(Hierarchical Multi-modal Fusion Tracker)という新しいRGB-Tベースラインを設計する。
  論文  参考訳（メタデータ） (2022-04-08T15:22:33Z)

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。