Fugu-MT 論文翻訳(概要): UA-Net: Uncertainty-Aware Network for TRISO Image Semantic Segmentation

論文の概要: UA-Net: Uncertainty-Aware Network for TRISO Image Semantic Segmentation

arxiv url: http://arxiv.org/abs/2604.15542v1
Date: Thu, 16 Apr 2026 21:48:20 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-20 22:00:19.658265
Title: UA-Net: Uncertainty-Aware Network for TRISO Image Semantic Segmentation
Title（参考訳）: UA-Net: TRISO画像セマンティックセグメンテーションのための不確実性認識ネットワーク
Authors: Kyle Lucke, Zuzanna Krajewska-Travar, Shoukun Sun, Lu Cai, John D. Stempien, Min Xian,
Abstract要約: 放射線照射後の物質分析は、コーティングの完全性や核分裂生成物の保持など、燃料性能に影響を与える過程を理解するのに役立つ。 TRISO燃料マイクログラフの5つの特徴領域を分割し,予測のための不確実性マップを生成するディープラーニングフレームワークであるUA-Netを提案する。 UA-Netは102枚の画像で評価され、平均的対合(mIoU)と平均的精度(mP)はそれぞれ95.5%と97.3%であった。
参考スコア（独自算出の注目度）: 2.216657815393579
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Tristructural isotropic (TRISO)-coated particle fuels undergo dimensional changes and chemical reactions during high-temperature neutron irradiation. Post-irradiation materialography helps understand processes that impact fuel performance, such as coating integrity and fission product retention. Conventionally, experts manually evaluate features in thousands of cross sections of sub-mm-sized samples, which is tedious and subjective. In this work, we propose UA-Net, a deep learning framework that segments five characteristic regions of TRISO fuel micrographs and generates an uncertainty map for predictions. The model uses a multi-stage pretraining strategy, starting with general image representations learned from ImageNet, followed by fine-tuning on TRISO micrographs from various irradiation experiments and AGR-5/6/7 particle cross sections. A meta-model for uncertainty prediction is integrated to identify small defects in TRISO images. UA-Net was evaluated on a test set of 102 images, achieving mean Intersection over Union (mIoU) and mean Precision (mP) of 95.5% and 97.3%, respectively. The meta-model achieved a specificity of 91.8% and sensitivity of 93.5%, demonstrating strong performance in detecting misclassifications. The model was also applied to new TRISO images for qualitative evaluation, showing high accuracy in extracting layer regions.
Abstract（参考訳）: 三相等方性(TRISO)被覆粒子燃料は、高温中性子照射中の寸法変化と化学反応を受ける。放射線照射後の物質分析は、コーティングの完全性や核分裂生成物の保持など、燃料性能に影響を与える過程を理解するのに役立つ。従来、専門家は数千のサブmmサイズのサンプルの断面の特徴を手作業で評価していた。本研究では,TRISO燃料マイクログラフの5つの特徴領域を分割し,予測のための不確実性マップを生成するディープラーニングフレームワークであるUA-Netを提案する。このモデルは、ImageNetから学んだ一般的な画像表現から始まり、様々な照射実験からTRISOマイクログラフとAGR-5/6/7粒子断面の微調整を行う。 TRISO画像の小さな欠陥を識別するために,不確実性予測のためのメタモデルを統合する。 UA-Netは102枚の画像で評価され、平均的対合(mIoU)と平均的精度(mP)はそれぞれ95.5%と97.3%であった。メタモデルは91.8%の特異性と93.5%の感度を達成し、誤分類の検出に強い性能を示した。また,新しいTRISO画像の定性評価にも適用し,層領域の抽出精度が向上した。

関連論文リスト

Fixed-Threshold Evaluation of a Hybrid CNN-ViT for AI-Generated Image Detection Across Photos and Art [0.0]
クリーンな検証データに基づいて選択された決定しきい値を保持する固定閾値評価を導入し、すべての後処理変換に固定する。 AiDataアート/グラフィックでは91.4%の精度、AiDataアート/グラフィックでは89.7%の精度、CIFAKEでは98.3%(競争力)である。
論文参考訳（メタデータ） (2025-12-25T05:19:09Z)
Direct Dual-Energy CT Material Decomposition using Model-based Denoising Diffusion Model [105.95160543743984]
本稿では,Dual-Energy Decomposition Model-based Diffusion (DEcomp-MoD) と呼ばれる深層学習手法を提案する。 Decomp-MoDは、教師なしスコアベースモデルと教師なしディープラーニングネットワークより優れていることを示す。
論文参考訳（メタデータ） (2025-07-24T01:00:06Z)
Evaluating and Enhancing Segmentation Model Robustness with Metamorphic Testing [10.564949684320727]
SegRMTは、遺伝的アルゴリズムを利用して空間変換とスペクトル変換のシーケンスを最適化するテスト手法である。実験の結果、SegRMTはDeepLabV3のmIoU(Intersection over Union)を6.4%に削減した。敵の訓練に使用する場合、SegRMTはモデルのパフォーマンスを向上し、mIoUの改善を最大73%向上させる。
論文参考訳（メタデータ） (2025-04-03T07:15:45Z)
Bayesian SegNet for Semantic Segmentation with Improved Interpretation of Microstructural Evolution During Irradiation of Materials [0.0]
私たちはDeep Convolutional Neural Networksをトレーニングして、イメージを欠陥、粒度、境界クラスに分割しました。モデルにメタデータを組み込んだり,不確実性を利用するなど,モデルの感度を向上させるための修正試験を行った。全体として、照射された画像と照射されていない画像の両方の最良のモデルのための高性能メトリクスは、ニューラルネットワークモデルを使用することがエキスパートラベル付き画像の代替として実行可能なものであることを示している。
論文参考訳（メタデータ） (2025-02-20T01:26:05Z)
Thermal and RGB Images Work Better Together in Wind Turbine Damage Detection [13.786915116688965]
風力タービンブレード(WTB)の検査は、その構造的整合性と運用効率の確保に不可欠である。従来の検査手法は危険で非効率であり、無人航空機(UAV)の使用が困難な地域へのアクセスを促す。空間座標変換による熱画像とRGB画像を組み合わせたマルチスペクトル画像合成法を提案する。
論文参考訳（メタデータ） (2024-12-05T12:32:45Z)
Improving Synthetic Image Detection Towards Generalization: An Image Transformation Perspective [45.210030086193775]
現在の合成画像検出(SID)パイプラインは、主に普遍的なアーティファクト機能を構築することを目的としている。 3つの簡単な画像変換を持つ軽量かつ効率的な検出器SAFEを提案する。我々のパイプラインは、新しい最先端のパフォーマンスを実現し、既存の手法に対する平均精度は4.5%、平均精度は2.9%向上した。
論文参考訳（メタデータ） (2024-08-13T09:01:12Z)
DiffUCD:Unsupervised Hyperspectral Image Change Detection with Semantic Correlation Diffusion Model [46.68717345017946]
ハイパースペクトル画像変化検出(HSI-CD)はリモートセンシングにおいて重要な研究領域となっている。意味相関拡散モデル(DiffUCD)を用いた新しい教師なしHSI-CDを提案する。提案手法は,多数のサンプルを必要とする完全教師付き手法に匹敵する結果が得られる。
論文参考訳（メタデータ） (2023-05-21T09:21:41Z)
Enhanced Sharp-GAN For Histopathology Image Synthesis [63.845552349914186]
病理組織像合成は、正確ながん検出のためのディープラーニングアプローチの訓練において、データ不足の問題に対処することを目的としている。核トポロジと輪郭正則化を用いて合成画像の品質を向上させる新しい手法を提案する。提案手法は、Sharp-GANを2つのデータセット上の4つの画像品質指標すべてで上回る。
論文参考訳（メタデータ） (2023-01-24T17:54:01Z)
A Multi-Stage model based on YOLOv3 for defect detection in PV panels based on IR and Visible Imaging by Unmanned Aerial Vehicle [65.99880594435643]
本研究では,無人航空機が捉えた空中画像のパネル欠陥を検出するための新しいモデルを提案する。このモデルは、パネルと欠陥の検出を組み合わせることで、精度を向上する。提案モデルはイタリア南部の2つの大きなPVプラントで検証されている。
論文参考訳（メタデータ） (2021-11-23T08:04:32Z)
Performance, Successes and Limitations of Deep Learning Semantic Segmentation of Multiple Defects in Transmission Electron Micrographs [9.237363938772479]
深層学習Mask Regional Convolutional Neural Network (Mask R-CNN)モデルを用いて, 電子顕微鏡によるFeCrAl合金の欠陥のセマンティックセグメンテーションを行う。本稿では, 欠陥形状の予測分布, 欠陥サイズ, 欠陥同感度などの量に着目し, キーモデルの性能統計の詳細な分析を行う。全体として、現在のモデルは、顕微鏡画像中の複数の欠陥タイプを自動解析し、定量化するための、高速で効果的なツールであることがわかった。
論文参考訳（メタデータ） (2021-10-15T17:57:59Z)
Multi-Scale Thermal to Visible Face Verification via Attribute Guided Synthesis [55.29770222566124]
可視画像から抽出した属性を用いて、熱画像から属性保存された可視画像を合成し、クロスモーダルマッチングを行う。抽出した属性によって導かれる熱画像から可視像を合成するために, 新規なマルチスケールジェネレータを提案する。事前訓練されたVGG-Faceネットワークを利用して、合成画像と入力可視画像から特徴を抽出し、検証を行う。
論文参考訳（メタデータ） (2020-04-20T01:45:05Z)

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。