論文の概要: Image-Guided Pavement Defect Recognition in GPR Data with novel 3D Deep Learning Architecture

• arxiv url: http://arxiv.org/abs/2608.19177v1
• Date: Wed, 19 Aug 2026 17:53:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-20 20:13:55.485328
• Title: Image-Guided Pavement Defect Recognition in GPR Data with novel 3D Deep Learning Architecture
• Title（参考訳）: 新しい3次元ディープラーニングアーキテクチャを用いたGPRデータにおける画像誘導舗装欠陥認識
• Abstract要約: 地中貫入レーダ(GPR)は、土木・輸送工学における地中探査のための非破壊検知技術として広く採用されている。 舗装条件評価の可能性にもかかわらず、自動検査におけるGPRの大規模適用には2つの重要な課題がある。 本研究では,RGB画像と3次元GPRスキャンを統合し,注釈付き3次元GPRデータセットを生成する費用効率の高いデータ準備パイプラインを提案する。
• 参考スコア（独自算出の注目度）: 2.3733619739985232
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Ground Penetrating Radar (GPR) is a widely adopted non-destructive sensing technology for subsurface inspection in civil and transportation engineering. Despite its potential for pavement condition assessment, the large-scale application of GPR in automated inspection has two key challenges: the scarcity of annotated real-world datasets and the lack of deep learning models designed for the unique characteristics of 3-Dimensional (3D) GPR data. This study addresses these limitations by firstly introducing a cost-effective data preparation pipeline that integrates orthomosaic Red Green Blue (RGB) imagery with 3D GPR scans to generate annotated 3D GPR datasets. The proposed method uses the aligned segments of RGB and GPR data, using pavement surface images as a reference to transfer labels of surface-visible defects to corresponding GPR segments, enabling efficient large-scale annotation in a real-world dataset collected on a highway section under operation. In addition to the dataset contribution, we propose a specialised 3D Convolutional Neural Network (CNN) architecture incorporating residual connections, mixed convolutional kernel sizes, and both depthwise and channelwise attention mechanisms to enhance feature representation and defect classification. The model is evaluated on binary classification tasks for detecting patch and crack defects in pavement structures. Experimental results demonstrate that the proposed network outperforms baseline architectures across multiple evaluation metrics. Ablation studies further confirm the effectiveness of the designed architectural components. This work contributes a scalable and practical method for real-world dataset generation, along with a novel deep learning framework.
• Abstract（参考訳）: 地中貫入レーダ(GPR)は、土木・輸送工学における地中探査のための非破壊検知技術として広く採用されている。 舗装条件評価の可能性にもかかわらず、自動検査におけるGPRの大規模適用には、注釈付き現実世界データセットの不足と、3次元(3D)GPRデータのユニークな特性のために設計されたディープラーニングモデルの欠如という、2つの大きな課題がある。 本研究は,まず,3次元GPRスキャンとオルソモザイク・レッド・グリーン・ブルー(RGB)画像を統合し,注釈付き3次元GPRデータセットを生成するコスト効率の良いデータ準備パイプラインを導入することで,これらの制約に対処する。 提案手法はRGBおよびGPRデータの整列セグメントを用いて,舗装面の画像を対応するGPRセグメントへの表面視認性欠陥の転送ラベルの参照として使用し,動作中の高速道路区間で収集した実世界のデータセットにおいて,効率的な大規模アノテーションを実現する。 データセットのコントリビューションに加えて、残差接続、混合畳み込みカーネルサイズ、および特徴表現と欠陥分類を強化するための深度的およびチャネル的注意機構を組み込んだ3次元畳み込みニューラルネットワーク(CNN)アーキテクチャを提案する。 本モデルは,舗装構造物のパッチ欠陥と亀裂欠陥を検出するための二分分類タスクに基づいて評価する。 実験の結果,提案するネットワークは,複数の評価指標のベースラインアーキテクチャよりも優れていた。 アブレーション研究は、設計されたアーキテクチャコンポーネントの有効性をさらに確認する。 この研究は、新しいディープラーニングフレームワークとともに、現実世界のデータセット生成のためのスケーラブルで実用的な方法に貢献している。

関連論文リスト

• TransBridge: Boost 3D Object Detection by Scene-Level Completion with Transformer Decoder [66.22997415145467]
  本稿では,スパース領域における検出機能を改善する共同補完・検出フレームワークを提案する。 具体的には,トランスブリッジ(TransBridge)を提案する。トランスブリッジ(TransBridge)はトランスフォーマーをベースとした新しいアップサンプリングブロックである。 その結果,本フレームワークは,各手法の平均精度(mAP)が0.7から1.5の範囲で,エンドツーエンドの3Dオブジェクト検出を一貫して改善していることがわかった。
  論文  参考訳（メタデータ） (2025-12-12T00:08:03Z)
• Topology-Aware Modeling for Unsupervised Simulation-to-Reality Point Cloud Recognition [63.55828203989405]
  我々はオブジェクトポイントクラウド上でSim2Real UDAのための新しいTopology-Aware Modeling (TAM)フレームワークを紹介する。 提案手法は,低レベルの高周波3次元構造を特徴とするグローバル空間トポロジを利用して,領域間隙を緩和する。 本稿では,クロスドメイン・コントラスト学習と自己学習を組み合わせた高度な自己学習戦略を提案する。
  論文  参考訳（メタデータ） (2025-06-26T11:53:59Z)
• Object-Oriented Material Classification and 3D Clustering for Improved Semantic Perception and Mapping in Mobile Robots [6.395242048226456]
  本稿では,オブジェクト指向パイプライン上に構築されたRGB-D教材分類のための補足型ディープラーニング手法を提案する。 本研究では,3次元セマンティックシーンマッピングの最先端手法と比較して,材料分類と3次元クラスタリングの精度が大幅に向上したことを示す。
  論文  参考訳（メタデータ） (2024-07-08T16:25:01Z)
• Syn-to-Real Unsupervised Domain Adaptation for Indoor 3D Object Detection [50.448520056844885]
  室内3次元物体検出における非教師なし領域適応のための新しいフレームワークを提案する。 合成データセット3D-FRONTから実世界のデータセットScanNetV2とSUN RGB-Dへの適応結果は、ソースオンリーベースラインよりも9.7%、9.1%のmAP25が顕著に改善されていることを示している。
  論文  参考訳（メタデータ） (2024-06-17T08:18:41Z)
• S2RC-GCN: A Spatial-Spectral Reliable Contrastive Graph Convolutional Network for Complex Land Cover Classification Using Hyperspectral Images [10.579474650543471]
  本研究ではS2RC-GCNという新しい空間スペクトル信頼性コントラストグラフ畳み込み分類フレームワークを提案する。 具体的には、1Dエンコーダと2Dエンコーダによって抽出されたスペクトルと空間の特徴を融合させ、2Dエンコーダは重要な情報を自動抽出するアテンションモデルを含む。 次に、融合した高次特徴を活用してグラフを構築し、結果のグラフをGCNに供給し、より効率的なグラフ表現を決定する。
  論文  参考訳（メタデータ） (2024-04-01T07:17:02Z)
• Multi-View Fusion and Distillation for Subgrade Distresses Detection based on 3D-GPR [19.49863426864145]
  本稿では,3D-GPRデータからの多視点情報を活用することで,下級災害検知タスクの新たな手法を提案する。 マルチビューGPRデータセットを最適に活用するための新しいtextbfMulti-textbfView textbfVusion と textbfDistillation フレームワーク textbfGPR-MVFD を開発した。
  論文  参考訳（メタデータ） (2023-08-09T08:06:28Z)
• Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud Analysis [66.49788145564004]
  我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。 我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
  論文  参考訳（メタデータ） (2022-12-17T15:05:25Z)
• Robotic Inspection and 3D GPR-based Reconstruction for Underground Utilities [11.601407791322327]
  地中貫入レーダ (GPR) は、地中物体を検査・調査するための有効な非破壊評価(NDE)装置である。 GPRデータ収集の現在のプラクティスは、事前にマークされたグリッド線に沿ってGPRカートを動かすために、人間のインスペクタを必要とする。 本稿では,GPRデータの収集,GPRデータの解釈,地下ユーティリティのローカライズ,地下オブジェクトの高密度点雲モデルの再構築と可視化を行う新しいロボットシステムを提案する。
  論文  参考訳（メタデータ） (2021-06-03T14:58:49Z)
• PC-RGNN: Point Cloud Completion and Graph Neural Network for 3D Object Detection [57.49788100647103]
  LiDARベースの3Dオブジェクト検出は、自動運転にとって重要なタスクです。 現在のアプローチでは、遠方および閉ざされた物体の偏りと部分的な点雲に苦しむ。 本稿では,この課題を2つの解決法で解決する新しい二段階アプローチ,pc-rgnnを提案する。
  論文  参考訳（メタデータ） (2020-12-18T18:06:43Z)
• GPR-based Model Reconstruction System for Underground Utilities Using GPRNet [12.334006660346935]
  地中貫入レーダ(GPR)は、地中物を検出し、位置を特定するための最も重要な非破壊評価(NDE)機器の一つである。 従来の研究では、GPR画像に基づく特徴検出のみに焦点が当てられており、粗いGPR測定を処理して、より詳細な地下物体の3Dモデルを再構築することは不可能である。 本稿では,GPRデータを収集し,地下ユーティリティをローカライズし,地下オブジェクトの高密度点クラウドモデルを再構築する,新しいロボットシステムを提案する。
  論文  参考訳（メタデータ） (2020-11-05T03:26:01Z)
• Improving Point Cloud Semantic Segmentation by Learning 3D Object Detection [102.62963605429508]
  ポイントクラウドセマンティックセグメンテーションは、自動運転において重要な役割を果たす。 現在の3Dセマンティックセグメンテーションネットワークは、よく表現されたクラスに対して優れた性能を発揮する畳み込みアーキテクチャに焦点を当てている。 Aware 3D Semantic Detection (DASS) フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-09-22T14:17:40Z)

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。