論文の概要: Unsupervised Detection of Underground Tunnels in Ground-Penetrating Radar Using Depth-Restricted Reconstruction Scoring

• arxiv url: http://arxiv.org/abs/2607.04882v1
• Date: Mon, 06 Jul 2026 10:02:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:30.108367
• Title: Unsupervised Detection of Underground Tunnels in Ground-Penetrating Radar Using Depth-Restricted Reconstruction Scoring
• Title（参考訳）: 深部拘束型レコンストラクションスコーリングによる地中レーダの地下トンネルの非監督検出
• Abstract要約: 石油とガスパイプラインの下にあるクランドステイントンネルは、燃料の盗難、密輸、サボタージュを可能にしている。 地中レーダ(GPR)は、そのようなトンネルを非侵襲的に画像化することができるが、手動のレーダグラム解釈は、連続的な回廊監視にはスケールしない。 通常の地下レーダグラムに特化して訓練された、完全に教師なし検出パイプラインを提示する。
• 参考スコア（独自算出の注目度）: 1.001355398440049
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Clandestine tunneling beneath oil and gas pipelines enables fuel theft, smuggling, and sabotage, yet conventional monitoring detects damage only after a pipeline has been compromised. Ground-penetrating radar (GPR) can image such tunnels non-invasively, but manual radargram interpretation does not scale to continuous corridor surveillance, and supervised detectors require tunnel examples that are scarce in practice. We present a fully unsupervised detection pipeline trained exclusively on normal subsurface radargrams collected at a purpose-built field site containing three buried tunnels at 1.5-3 m depth. A denoising convolutional autoencoder learns the structure of anomaly-free ground; at inference, tunnels are flagged by reconstruction error. Our central contribution is a depth-restricted top-k anomaly score, which pools the highest reconstruction errors only within the depth band where tunnels can physically occur. This physically motivated rule raises AUC from 0.986 to 0.994 and cuts missed detections from 74 to 17 of 634 tunnel windows, relative to whole-image scoring, without any retraining or labels. We further show that the optimal top-k fraction interacts with the depth restriction - 1% pooling is best on full images, 5% once scoring is depth-restricted - and that spatial voting across overlapping survey windows helps weak per-image detectors but offers no benefit once the scoring rule is strong. The final system attains AUC 0.994, F1 0.975, recall 0.973, and precision 0.976 on 1,600 field test windows spanning 55 survey lines, at a 1.6% false-alarm rate, using no tunnel labels for training, scoring, or threshold calibration.
• Abstract（参考訳）: 石油とガスパイプラインの下のクランドステイントンネルは、燃料の盗難、密輸、サボタージュを可能にするが、従来の監視はパイプラインが破損した後のみ損傷を検出する。 地中レーダ(GPR)はそのようなトンネルを非侵襲的に画像化することができるが、手動のレーダグラム解釈は連続的な回廊監視にはスケールせず、管制検出器は実際に少ないトンネル例を必要とする。 1.5～3mの深さで3つの埋設トンネルを含む目的の現場で収集された通常の地下レーダグラムを専門に訓練した完全教師なし検出パイプラインを提案する。 畳み込み畳み込み自己符号化器は、異常な地盤の構造を学習し、推測すると、トンネルは復元誤差によってフラグ付けされる。 我々の中心的な貢献は、トンネルが物理的に発生する深度帯内でのみ、最も高い復元誤差をプールする、深さ制限付きトップk異常スコアである。 この物理的に動機づけられた規則は、AUCを0.986から0.994に引き上げ、634のトンネル窓のうち74から17に切断する。 さらに、最適なトップk区分けは深度制限と相互作用し、1%のプーリングは全画像上で最良であり、5%のスコアリングは深度制限されている。 最終システムは、AUC 0.994、F1 0.975、リコール 0.973、精度 0.976、55の測量線にまたがる1,600のフィールドテストウィンドウで、訓練、スコアリング、しきい値キャリブレーションのためのトンネルラベルを使用しない1.6%の偽警報レートで達成された。

関連論文リスト

• GRADE: Single-Frame Generative Radar Depth Estimation Under Visual Degradation [10.458726240020265]
  3D深度知覚は、光センサーが空気中の微粒子を貫通できないため、煙、霧、暗闇の下で失敗する。 mmWaveレーダーは依然として使用可能であり、測定値はこれらの条件下で正確に変動するが、その小さな開口部は角分解能を制限している。 本稿では,高忠実度距離深さを推定するために,単一フレームレーダ幾何学において事前訓練された生成を基礎とするGRADEを提案する。
  論文  参考訳（メタデータ） (2026-09-09T18:57:05Z)
• RadioVIL: Anomaly-Aware Diffusion Models for Radio Map Inpainting and Zero-Shot Vehicle Localization [24.12472362710203]
  6G統合センシング・通信(ISAC)アプリケーションには,高精度な無線地図構築が不可欠である。 我々は,先行誘導物理逆問題として,共同無線地図の塗装とゼロショット車両のローカライゼーションを再構成するフレームワークであるRadioVILを提案する。
  論文  参考訳（メタデータ） (2026-08-17T06:34:14Z)
• Rigid-Covert GNSS Spoofing of UAV Swarms: A Structural Blind Spot, Its Detection Limit, and Absolute-Anchor Defenses [0.0]
  協力的なUAV-s防衛は、通常、測定されたドローン間幾何学に対する位置を横断的にチェックする。 共通でゆっくりと変化する変換(剛体被覆シフト、RigidShift)は、全ての対距離を保ち、従って、相対ウォームのみの検出器では観測できない。 本研究では,流体間距離からSwarm形状を再構築する集中型アンカールート回収パイプラインを提案する。
  論文  参考訳（メタデータ） (2026-08-07T07:15:55Z)
• LCMamNet: A Lightweight Cross-scale Mamba Network for Infrared Small Target Detection [53.811713750107934]
  赤外線小ターゲット検出のための軽量クロススケールマンバネットワークであるLCMamNetを提案する。 十字形指向性ボトルネック残差ブロックを有するコンパクト階層型エンコーダは、指向性ターゲット構造を強化する。 IRSTD-1k、NUAA-SIRST、NUDT-SIRSTの実験では、提案したネットワークがそれぞれ71.25%、79.60%、95.58%のmIoUスコアを達成した。
  論文  参考訳（メタデータ） (2026-07-27T09:06:14Z)
• Gaze-DETR: Top-Down Guidance Through Priority Maps for Infrared Weak-Small UAV Detection with DETR [60.12701295852494]
  局所化前に内部優先度マップを学習する検出器であるGaze-DETRを提案する。 プライオリティヘッドは画像特徴から正規化優先度マップを予測し、RPFMは高プライオリティ応答を強化し、PAQIは高プライオリティ位置をデコーダアンカークエリに変換する。 その結果,空間優先学習は,境界ボックスの監督を補完する事前局所化指導を提供することがわかった。
  論文  参考訳（メタデータ） (2026-07-21T12:29:58Z)
• Can LLM Agents Respond to Disasters? Benchmarking Heterogeneous Geospatial Reasoning in Emergency Operations [55.251494694783894]
  災害対応エージェントベンチマーク(DORA)は、エンド・ツー・エンドの災害対応のための最初のエージェントベンチマークである。 タスクは、災害認識、空間関係分析、救助・避難計画、時間的進化推論、マルチモーダルレポート合成という、災害対応パイプラインをカバーする5つの次元にまたがる。 DORAは、運用上の信頼性の高い災害対応エージェントのための厳格なテストベッドを確立する。
  論文  参考訳（メタデータ） (2026-05-12T06:57:41Z)
• Paired-CSLiDAR: Height-Stratified Registration for Cross-Source Aerial-Ground LiDAR Pose Refinement [46.13526676100776]
  Paired-CSLiDAR(英語版)は、シングルスキャンポーズリファインメントのためのクロスソース空地LiDARベンチマークである。 このベンチマークには6つの評価サイトで12,683組の地上空対が含まれている。 本稿では,RGSR(Residual-Guided Stratified Registration)を提案する。
  論文  参考訳（メタデータ） (2026-05-01T13:14:20Z)
• Training-Free Tunnel Defect Inspection and Engineering Interpretation via Visual Recalibration and Entity Reconstruction [5.978102935317669]
  トンネル検査には、欠陥のローカライゼーション、測定、重度グレーディング、エンジニアリングドキュメントをサポートする出力が必要である。 本稿では,言語指導による欠陥提案をより信頼性の高いプロンプトに変換する,トレーニングフリーフレームワークであるTunnelMINDを提案する。 TunnelMIND は可視性、GPR および道路欠陥タスクでそれぞれ 0.68 、 0.78 、 0.72 の F1 スコアを達成している。
  論文  参考訳（メタデータ） (2026-04-30T14:31:00Z)
• TacoDepth: Towards Efficient Radar-Camera Depth Estimation with One-stage Fusion [54.46664104437454]
  一段核融合を用いた効率的かつ正確なレーダ・カメラ深度推定モデルであるTacoDepthを提案する。 具体的には、グラフベースのRadar構造抽出器とピラミッドベースのRadar融合モジュールを設計する。 従来の最先端のアプローチと比較して、TacoDepthは深さ精度と処理速度を12.8%、91.8%改善している。
  論文  参考訳（メタデータ） (2025-04-16T05:25:04Z)
• Anomaly Detection and Radio-frequency Interference Classification with Unsupervised Learning in Narrowband Radio Technosignature Searches [0.0]
  本稿では,HDBSCANを用いて偽陽性率を低減し,外れ値信号の分離を行う信号処理手法であるGLOBular Clusteringを提案する。 ターボSETIのような標準的な狭帯域信号検出と空間フィルタリングパイプラインを組み合わせると、GLOBularクラスタリングは偽陽性率を大幅に改善する。 我々は,Lバンド付近の97個の銀河をChozaらによるターボSETI法で探索し,93.1%,99.3%の偽陽性事象低減率を示す。
  論文  参考訳（メタデータ） (2024-11-25T16:40:19Z)
• End-to-End Training of Neural Networks for Automotive Radar Interference Mitigation [9.865041274657823]
  本稿では,周波数変調連続波(WFMC)レーダ相互干渉緩和のためのニューラルネットワーク(NN)のトレーニング手法を提案する。 NNが干渉されたレーダー信号をきれいにするために訓練する代わりに、NNをオブジェクト検出マップ上で直接訓練する。 我々は,レーダを用いた物体検出のアルゴリズムであるCA-CFARピーク検出器の連続的な緩和を行う。
  論文  参考訳（メタデータ） (2023-12-15T13:47:16Z)
• Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
  本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。 これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。 高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
  論文  参考訳（メタデータ） (2023-08-24T12:32:46Z)
• Aligned Unsupervised Pretraining of Object Detectors with Self-training [41.03780087924593]
  物体検出器の教師なし事前訓練は、近年、物体検出器訓練の重要な要素となっている。 本稿では、この問題を緩和し、3つの単純かつ重要な要素からなるフレームワークを提案する。 当社の戦略は,スクラッチ(背骨を含む)からの事前トレーニングも可能であり,COCOのような複雑な画像にも適用可能であることを示す。
  論文  参考訳（メタデータ） (2023-07-28T17:46:00Z)
• Depth-supervised NeRF: Fewer Views and Faster Training for Free [69.34556647743285]
  DS-NeRF (Depth-supervised Neural Radiance Fields) は、容易に利用できる深度監視を利用する学習分野の損失である。 我々の損失は他のNeRF法と互換性があることを示し、深度は安価で消化し易い監視信号であることを示した。
  論文  参考訳（メタデータ） (2021-07-06T17:58:35Z)
• Adversarial Perturbations Fool Deepfake Detectors [0.0]
  この研究は、逆方向の摂動を利用してディープフェイク画像を強化し、一般的なディープフェイク検出器を騙す。 検出器は、摂動しないディープフェイクでは95%以上の精度を達成したが、摂動したディープフェイクでは27%未満の精度であった。
  論文  参考訳（メタデータ） (2020-03-24T00:54:02Z)

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。