論文の概要: Evaluation of AI-based Visual Crack Detection in Steel Bridges Using Probability of Detection
- arxiv url: http://arxiv.org/abs/2608.17726v1
- Date: Tue, 18 Aug 2026 12:51:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-19 21:40:53.339312
- Title: Evaluation of AI-based Visual Crack Detection in Steel Bridges Using Probability of Detection
- Title（参考訳）: 鋼橋におけるAIによる視覚的き裂検出の確率による評価
- Abstract要約: 鋼橋のひび割れ検出のための従来の視覚検査とコンピュータビジョン法の比較を行うための新しい統計的評価フレームワークを提案する。
このフレームワークは検出曲線の確率に基づいており、画像解像度の影響を考慮できる。
この評価手法は, コンピュータビジョンアプローチがき裂検出タスクに対して堅牢であることを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Bridge structures are regularly inspected for structural damage such as cracks and corrosion in order to ensure public safety and reduce maintenance costs. Much research has been done on automating this process using computer vision methods, which are often evaluated and compared using metrics such as intersection over union, mean average precision, etc. However, predicting the actual effectiveness of an inspection method within the field of structural engineering from these metrics remains challenging. To enable the systematic use of these increasingly popular methods in engineering practice, evaluating the performance of these methods in a way that is compatible with standard engineering approaches is therefore an urgent necessity. We present a new statistical evaluation framework to allow the comparison of computer vision methods with conventional visual inspection for crack detection in steel bridges. The framework is based on probability of detection curves and can account for the influence of image resolution. We apply this evaluation method to the real-world ``Cracks in Steel Bridges'' dataset, which contains annotated images of cracks in bridge structures. The quantification of the probability of detection and its uncertainty enables a practical assessment of the effect of automated methods for damage detection in structural reliability analyses. In turn, this enables the wide-spread use of automated (AI-based) damage detection in safety critical applications. This evaluation method provides evidence that the proposed computer vision approach approach is robust for the crack detection task and can have a high added value as an addition to conventional visual inspection methods.
- Abstract（参考訳）: 橋梁構造物は、公共の安全を確保し維持コストを低減するため、ひび割れや腐食などの構造物の損傷を定期的に検査する。
コンピュータビジョン手法を用いてこのプロセスを自動化するための多くの研究が行われており、しばしば、結合上の交差や平均精度などのメトリクスを用いて評価され、比較される。
しかし,これらの指標から構造工学分野における検査手法の実効性を予測することは困難である。
これらの手法を工学的実践において体系的に活用するためには、標準的な工学的手法と互換性のある方法でこれらの手法の性能を評価することが必須である。
鋼橋のひび割れ検出のための従来の視覚検査とコンピュータビジョン法の比較を行うための新しい統計的評価フレームワークを提案する。
このフレームワークは検出曲線の確率に基づいており、画像解像度の影響を考慮できる。
本評価法は,橋梁構造物のひび割れの注釈付き画像を含む実世界の 'Cracks in Steel Bridges' データセットに適用する。
検出確率の定量化とその不確実性は, 構造信頼性解析における自動損傷検出の効果を実際に評価することを可能にする。
これにより、安全クリティカルなアプリケーションにおいて、自動化された(AIベースの)損傷検出を広範囲に使用することが可能となる。
本評価法は, 従来の視覚検査法に加えて, コンピュータビジョンアプローチがき裂検出タスクに対して堅牢であり, 付加価値が高いことを示すものである。
関連論文リスト
- Rethinking Evaluation of Infrared Small Target Detection [105.59753496831739]
本稿では,画素レベルと目標レベルのパフォーマンスを取り入れたハイブリッドレベルのメトリクスを導入し,システム的エラー解析手法を提案し,クロスデータセット評価の重要性を強調した。
標準化されたベンチマークを容易にするオープンソースツールキットがリリースされた。
論文 参考訳（メタデータ） (2025-09-21T02:45:07Z) - Revisiting Vulnerability Patch Localization: An Empirical Study and LLM-Based Solution [44.388332647211776]
オープンソースのソフトウェア脆弱性検出は、ソフトウェアのセキュリティを維持し、ソフトウェアサプライチェーンの整合性を確保するための重要なコンポーネントである。
従来の検出方法は、大量のコミット履歴を処理する際に、大きなスケーラビリティの課題に直面している。
バージョン駆動型候補フィルタリングと大規模言語モデルに基づく多ラウンド対話投票を組み合わせた新しい2段階フレームワークを提案する。
論文 参考訳（メタデータ） (2025-09-19T09:09:55Z) - Verification of Visual Controllers via Compositional Geometric Transformations [49.81690518952909]
到達可能な集合の外部近似を生成できる知覚ベースのコントローラのための新しい検証フレームワークを提案する。
提案手法の音質を理論的に保証し,ベンチマーク制御環境における有効性を示す。
論文 参考訳（メタデータ） (2025-07-06T20:22:58Z) - Advancing Embodied Agent Security: From Safety Benchmarks to Input Moderation [52.83870601473094]
エンボディード・エージェントは、複数のドメインにまたがって大きな潜在能力を示す。
既存の研究は主に、一般的な大言語モデルのセキュリティに重点を置いている。
本稿では, エンボディエージェントの保護を目的とした新しい入力モデレーションフレームワークを提案する。
論文 参考訳（メタデータ） (2025-04-22T08:34:35Z) - A Multimodal Fusion Framework for Bridge Defect Detection with Cross-Verification [0.0]
本稿では,橋梁欠陥の検出と解析のための多モード融合フレームワークを提案する。
非破壊的評価(NDE)技術と高度な画像処理を統合し、正確な構造評価を可能にする。
論文 参考訳（メタデータ） (2024-12-23T20:33:34Z) - A Survey and Evaluation of Adversarial Attacks for Object Detection [11.48212060875543]
深層学習モデルは、信頼できるが誤った予測をすることを欺くような敵対的な例に対して脆弱である。
この脆弱性は、自動運転車、セキュリティ監視、安全クリティカルな検査システムなどの高リスクなアプリケーションに重大なリスクをもたらす。
本稿では,対象検出アーキテクチャに特有の敵攻撃を分類するための新しい分類枠組みを提案する。
論文 参考訳（メタデータ） (2024-08-04T05:22:08Z) - Self-Supervised Graph Transformer for Deepfake Detection [1.8133635752982105]
ディープフェイク検出手法は、与えられたデータセット内の偽造を認識できる有望な結果を示している。
ディープフェイク検出システムは、一般的な検出性能を保証するために、偽造タイプ、外観、品質に欠かせないままでいなければならない。
本研究では、自己教師付き事前学習モデルを利用して、例外的な一般化能力を実現するディープフェイク検出フレームワークを提案する。
論文 参考訳（メタデータ） (2023-07-27T17:22:41Z) - Assessment Framework for Deepfake Detection in Real-world Situations [13.334500258498798]
ディープラーニングに基づくディープフェイク検出手法は優れた性能を示した。
様々な画像処理操作と典型的なワークフロー歪みが検出精度に与える影響は, 体系的に測定されていない。
より現実的な環境下での学習に基づくディープフェイク検出の性能を評価するために,より信頼性の高い評価フレームワークを提案する。
論文 参考訳（メタデータ） (2023-04-12T19:09:22Z) - Perspective Aware Road Obstacle Detection [104.57322421897769]
道路障害物検出技術は,車間距離が大きくなるにつれて障害物の見かけの規模が減少するという事実を無視することを示す。
画像位置毎に仮想物体の見かけの大きさを符号化したスケールマップを演算することでこれを活用できる。
次に、この視点マップを利用して、遠近法に対応する大きさの道路合成物体に注入することで、トレーニングデータを生成する。
論文 参考訳（メタデータ） (2022-10-04T17:48:42Z) - Self-Supervised Predictive Convolutional Attentive Block for Anomaly
Detection [97.93062818228015]
本稿では,再建に基づく機能を,新たな自己監督型予測アーキテクチャビルディングブロックに統合することを提案する。
我々のブロックは、受容領域におけるマスク領域に対する再構成誤差を最小限に抑える損失を備える。
画像やビデオの異常検出のための最先端フレームワークに組み込むことで,ブロックの汎用性を実証する。
論文 参考訳（メタデータ） (2021-11-17T13:30:31Z) - CorrDetector: A Framework for Structural Corrosion Detection from Drone
Images using Ensemble Deep Learning [2.108696645677565]
構造腐食モニタリングの領域において, 自動画像解析を応用した新しい手法を提案する。
本研究は,モデルのアンサンブルアプローチが,分類精度において最先端の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2021-02-09T07:27:16Z) - Evaluating the Safety of Deep Reinforcement Learning Models using
Semi-Formal Verification [81.32981236437395]
本稿では,区間分析に基づく半形式的意思決定手法を提案する。
本手法は, 標準ベンチマークに比較して, 形式検証に対して比較結果を得る。
提案手法は, 意思決定モデルにおける安全性特性を効果的に評価することを可能にする。
論文 参考訳（メタデータ） (2020-10-19T11:18:06Z)
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。