論文の概要: Robust Lightweight Crack Classification for Real-Time UAV Bridge Inspection
- arxiv url: http://arxiv.org/abs/2604.27617v1
- Date: Thu, 30 Apr 2026 09:08:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-01 16:31:54.013612
- Title: Robust Lightweight Crack Classification for Real-Time UAV Bridge Inspection
- Title（参考訳）: リアルタイムUAV橋検査のためのロバスト軽量き裂分類
- Authors: Wei Li, Haisheng Li, Weijie Li, Jiandong Wang, Kaichen Ma, Luming Yang,
- Abstract要約: ディープラーニングに基づく自動き裂検出が研究の中心となっている。
実際のUAV検査は、弱い亀裂の特徴、劣化した画像条件、厳しい階級不均衡の4つの主要な課題に直面している。
本稿では,4つの相乗的成分からなる軽量畳み込みニューラルネットワークフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 21.650591222248337
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the widespread application of Unmanned Aerial Vehicles (UAVs) in bridge structural health monitoring, deep learning-based automatic crack detection has become a major research focus. However, practical UAV inspections still face four key challenges: weak crack features, degraded imaging conditions, severe class imbalance, and limited computational resources for practical UAV inspection workflows. To address these issues, this paper proposes a unified lightweight convolutional neural network framework composed of four synergistic components: a lightweight backbone network, a Convolutional Block Attention Module (CBAM) for channel and spatial enhancement, a directed robust augmentation strategy based on inspection-scene priors, and Focal Loss for hard-sample learning under class imbalance. Experiments on the SDNET2018 bridge deck dataset show that the proposed method achieves an inference speed of 825 FPS with only 11.21M parameters and 1.82G FLOPs. Compared with the baseline model, the complete framework improves the F1-score by 2.51% and recall by 3.95%. In addition, Grad-CAM visualizations indicate that the introduced attention module shifts the model's focus from scattered regions to precise tracking along crack trajectories. Overall, this study achieves a strong balance among accuracy, speed, and robustness, providing a practical solution for ground-station assisted real-time deployment in UAV bridge inspections. The source code is available at: https://github.com/skylynf/AttXNet .
- Abstract（参考訳）: 橋梁構造モニタリングにおける無人航空機(UAV)の普及に伴い,ディープラーニングによる自動き裂検出が研究の中心となっている。
しかし、実際のUAV検査は、弱い亀裂の特徴、劣化した画像条件、厳しいクラス不均衡、実用的なUAV検査ワークフローのための限られた計算資源の4つの主要な課題に直面している。
これらの課題に対処するために、軽量なバックボーンネットワーク、チャネルと空間の強化のための畳み込みブロック注意モジュール(CBAM)、検査シーンの事前に基づく堅牢な拡張戦略、クラス不均衡下でのハードサンプル学習のためのFocal Lossという4つの相乗的コンポーネントからなる統合軽量畳み込みニューラルネットワークフレームワークを提案する。
SDNET2018ブリッジデッキデータセットの実験では、提案手法は11.21Mパラメータと1.82G FLOPしか持たない825 FPSの推論速度を達成した。
ベースラインモデルと比較して、完全なフレームワークはF1スコアを2.51%改善し、3.95%リコールする。
さらに、Grad-CAM視覚化では、導入したアテンションモジュールが、モデルの焦点を散在する領域からクラック軌跡に沿った正確なトラッキングに移行することを示している。
本研究は,UAV橋試験における地上局支援リアルタイム展開のための実用的なソリューションとして,精度,速度,ロバスト性の両立を実現している。
ソースコードは、https://github.com/skylynf/AttXNet で入手できる。
関連論文リスト
- Boosting Robust AIGI Detection with LoRA-based Pairwise Training [55.076681464804636]
現在のAIGI検出器はクリーンなデータセットで良好に動作しますが、その検出性能は"野生"に展開すると低下します。
本稿では,高度歪み下でのAIGIの堅牢な検出を実現するために,Lo-based Pairwise Training (RA) 戦略を提案する。
論文 参考訳（メタデータ） (2026-04-14T05:35:32Z) - Source-Free Object Detection with Detection Transformer [59.33653163035064]
Source-Free Object Detection (SFOD) は、ソースデータにアクセスすることなく、ソースドメインから教師なしのターゲットドメインへの知識転送を可能にする。
ほとんどの既存のSFODアプローチは、より高速なR-CNNのような従来のオブジェクト検出(OD)モデルに限られるか、新しいODアーキテクチャ、特に検出変換器(DETR)に適合しない一般的なソリューションとして設計されている。
本稿では,DTRのクエリ中心の機能強化を特化して設計された新しいSFODフレームワークであるFeature Reweighting ANd Contrastive Learning NetworK(FRANCK)を紹介する。
論文 参考訳（メタデータ） (2025-10-13T07:35:04Z) - An Optimal Cascade Feature-Level Spatiotemporal Fusion Strategy for Anomaly Detection in CAN Bus [2.8151714475955263]
インテリジェントトランスポートシステム(ITS)は、現代のインフラにおいて重要な役割を担っているが、車内コントローラエリアネットワーク(CAN)バスの放送特性により、セキュリティ上のリスクに直面している。
提案したフレームワークは、100%精度で全ての攻撃タイプを検出し、最先端の手法より優れている。
論文 参考訳（メタデータ） (2025-01-31T00:36:08Z) - Monocular Obstacle Avoidance Based on Inverse PPO for Fixed-wing UAVs [29.207513994002202]
固定翼無人航空機(英語: Fixed-wing Unmanned Aerial Vehicles、UAV)は、低高度経済(LAE)と都市空運(UAM)のための最も一般的なプラットフォームの一つである。
従来の地図や高度なセンサーに依存する古典的な障害物回避システムは、未知の低高度環境や小型UAVプラットフォームにおいて制限に直面している。
本稿では,DRLに基づくUAV衝突回避システムを提案する。
論文 参考訳（メタデータ） (2024-11-27T03:03:37Z) - 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) - DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。
フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
論文 参考訳（メタデータ） (2024-06-05T06:18:03Z) - SHM-Traffic: DRL and Transfer learning based UAV Control for Structural
Health Monitoring of Bridges with Traffic [0.0]
本研究は,橋梁における構造的健康モニタリング(SHM)の高度化に焦点をあてる。
無人航空機(UAV)の深部強化学習(DRL)に基づく制御手法を提案する。
本手法は,交通が進行している間にコンクリート橋脚の調査を行い,ひび割れを検知する。
我々は、CNNが最大12%のダメージ検出と1.8倍の報酬で、Cannyエッジ検出器がタスク完了時間を最大40%短縮するのを観察した。
論文 参考訳（メタデータ） (2024-02-22T18:19:45Z) - Enhancing Infrared Small Target Detection Robustness with Bi-Level
Adversarial Framework [61.34862133870934]
本稿では,異なる汚職の存在下での検出の堅牢性を促進するために,二段階の対向的枠組みを提案する。
我々の手法は広範囲の汚職で21.96%のIOUを著しく改善し、特に一般ベンチマークで4.97%のIOUを推進している。
論文 参考訳（メタデータ） (2023-09-03T06:35:07Z) - Towards a robust and reliable deep learning approach for detection of
compact binary mergers in gravitational wave data [0.0]
我々は、段階的に深層学習モデルを開発し、その堅牢性と信頼性の向上に取り組みます。
我々はGAN(Generative Adversarial Network)を含む新しいフレームワークでモデルを再訓練する。
絶対ロバスト性は事実上達成できないが、そのような訓練によって得られるいくつかの根本的な改善を実証する。
論文 参考訳（メタデータ） (2023-06-20T18:00:05Z) - Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。
我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。
その結果,小型歩行者の検出における本手法の有効性が示唆された。
論文 参考訳（メタデータ） (2020-08-19T13:13:01Z) - One-Shot Object Detection without Fine-Tuning [62.39210447209698]
本稿では,第1ステージのMatching-FCOSネットワークと第2ステージのStructure-Aware Relation Moduleからなる2段階モデルを提案する。
また,検出性能を効果的に向上する新たなトレーニング戦略を提案する。
提案手法は,複数のデータセット上で一貫した最先端のワンショット性能を上回る。
論文 参考訳（メタデータ） (2020-05-08T01:59:23Z)
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。