論文の概要: Vision Transformer-Based Multi-Level Feature Fusion for Multi-Label Sewer Defect Classification

• arxiv url: http://arxiv.org/abs/2609.11375v1
• Date: Thu, 10 Sep 2026 11:11:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 23:53:35.309415
• Title: Vision Transformer-Based Multi-Level Feature Fusion for Multi-Label Sewer Defect Classification
• Title（参考訳）: 視覚変換器を用いたマルチレベル機能融合によるマルチラベル下水道の欠陥分類
• Abstract要約: 本研究では,マルチレベル特徴融合型階層型視覚変換器であるSwer-Transformer-MLを開発した。 Sewer-MLテストセットでは、Swer-Transformer-MLが$F2_textCIW$ 65.68%、$FtextNormal$ 92.68%を達成した。
• 参考スコア（独自算出の注目度）: 17.141680489940352
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automated classification of sewer defects is essential for infrastructure condition assessment and maintenance decision-making, but existing deep learning methods struggle to balance classification accuracy and computational complexity in large-scale multi-label scenarios. This study develops Sewer-Transformer-ML, a hierarchical vision Transformer with multi-level feature fusion, together with two lightweight architectures, Sewer-MobileNet-ML and Sewer-Mobile-TransNet, for resource-constrained inspection scenarios. On the Sewer-ML test set, Sewer-Transformer-ML-Base achieved an $F2_{\text{CIW}}$ of 65.68% and an $F1_{\text{Normal}}$ of 92.68%, ranking first on the public leaderboard and exceeding the second-ranked method by 7.6 percentage points in $F2_{\text{CIW}}$. Sewer-MobileNet-ML achieved an $F2_{\text{CIW}}$ of 65.73% with only 17 M parameters, representing an approximately 95% parameter reduction relative to the base model. Under the standard Sewer-Capsule data split, Sewer-Mobile-TransNet achieved 96.43% classification accuracy. When the training set was reduced to 1,177 images, pretraining on Sewer-ML consistently improved model performance. Ablation experiments further showed that direct concatenation was more effective for Transformer features, whereas attention-based fusion better supported multiscale CNN features. These findings provide a computational basis for automated sewer inspection, lightweight model design, and adaptation across civil infrastructure inspection platforms.
• Abstract（参考訳）: 下水道の欠陥の自動分類は、インフラ条件の評価と保守の意思決定に不可欠であるが、既存のディープラーニング手法は、大規模マルチラベルシナリオにおける分類精度と計算複雑性のバランスをとるのに苦労している。 本研究では,資源制約検査シナリオのための階層型視覚変換器であるSwer-Transformer-MLと,Swer-MobileNet-MLとSwer-Mobile-TransNetの2つの軽量アーキテクチャを開発した。 Sewer-MLテストセットでは、Swer-Transformer-ML-Baseが$F2_{\text{CIW}}$ 65.68%、$F1_{\text{Normal}}$ 92.68%を達成し、第1位と第2位のメソッドを$F2_{\text{CIW}}$で7.6ポイント上回った。 Sewer-MobileNet-MLは17Mパラメータしか持たない$F2_{\text{CIW}}$ 65.73%を達成した。 標準のSwer-Capsuleデータ分割では、Swer-Mobile-TransNetは96.43%の分類精度を達成した。 トレーニングセットが1,177枚に削減されると、Swer-MLでの事前トレーニングはモデル性能を継続的に改善した。 さらにアブレーション実験により、Transformerの特徴に対して直接結合がより効果的であることが示され、注意に基づく融合はマルチスケールCNNの特徴をよりサポートした。 これらの結果は、自動下水道検査、軽量モデル設計、土木インフラ検査プラットフォーム間の適応のための計算基盤を提供する。

関連論文リスト

• DREAM Technical Report [53.37525197047151]
  DREAMは、既存のパイプラインの上に認識認識、オーケストレーション、監査可能なポリシ層を追加し、それを置き換えることなく、自律的な最適化制御アーキテクチャである。 DREAMには2つのコアコンポーネントがある。まず、3層Intent Engineはデバイス上の信号を構造化されたL0/L1/L2インテント表現に融合する。エッジクラウドトリガーチェーンはレポートのボリュームを約8.7%に削減する。 第2に、Meta EngineはMetaModelを使って、層状M1-to-M2-to-M3推論(インテントの要約、ストラテジーメモリに通知されるストラテジープランニング、パラメータ変換など)を定式化したM1-to-M2-to-M3推論に使用します。
  論文  参考訳（メタデータ） (2026-08-10T10:35:32Z)
• YouZhi: Towards High-Concurrency Financial LLMs via Adaptive GQA-to-MLA Transition [78.52944812151664]
  大きな言語モデル(LLM)は、大きな金融革新をもたらすが、そのデプロイメントはKVキャッシュメモリのオーバーヘッドによってボトルネックになる。 我々は,Huawei Ascendエコシステム上に構築された包括的な構造遷移とトレーニングパイプラインによって強化された,高効率な金融LLMであるYouZhi-LLMを提案する。
  論文  参考訳（メタデータ） (2026-06-04T08:44:37Z)
• Slimmable ConvNeXt: Width-Adaptive Inference for Efficient Multi-Device Deployment [4.976815699476327]
  我々は、Slimmable ConvNeXtを紹介し、ConvNeXtの現代的な設計、特にLayerNormと逆ボトルネックは、チャネル幅のスリム化に特に適していることを示している。 ImageNet-1kでは、Slimmable ConvNeXt-T with 3worksは、4.5 GMACsで80.8%、1.2 GMACsで77.4%、スクラッチから600 epochsでトレーニングされた。
  論文  参考訳（メタデータ） (2026-05-21T16:20:18Z)
• ComplexMCP: Evaluation of LLM Agents in Dynamic, Interdependent, and Large-Scale Tool Sandbox [61.862814740220806]
  $textbfComplexMCP$は厳格な条件下でエージェントを評価するために設計されたベンチマークである。 Model Context Protocol (MCP)上に構築された$textbfComplexMCP$は300以上の精巧にテストされたツールを提供する。
  論文  参考訳（メタデータ） (2026-05-11T16:20:51Z)
• Mono2Sls: Automated Monolith-to-Serverless Migration via Multi-Stage Pipeline with Static Analysis [39.8879463570937]
  モノリシックなWebバックエンドをデプロイ可能なAWS SAMアプリケーションに変換する自動化パイプラインであるMono2Slsを紹介します。 Mono2Slsは、手動修正なしで100%のデプロイメント成功を達成する。 また、エンドツーエンドの正確性は66.1%、APIカバレッジは98.7%に達した。
  論文  参考訳（メタデータ） (2026-04-27T14:44:07Z)
• LARV: Data-Free Layer-wise Adaptive Rescaling Veneer for Model Merging [11.135582038431368]
  LARVは、トレーニングフリー、データフリー、マージ非依存、レイヤワイド・アダプティブ・リスケーリング・ベネアである。 LARVは浅層干渉を適応的に抑制し、単純な決定論的スケジュールを用いて深層アライメントを増幅する。 階層解析と汚職試験は、LARVが浅層干渉を抑制する一方で、より深くタスク安定な特徴を緩やかに増幅していることを示している。
  論文  参考訳（メタデータ） (2026-02-10T05:10:31Z)
• Enhancing the Outcome Reward-based RL Training of MLLMs with Self-Consistency Sampling [90.87033586963828]
  マルチモーダル大言語モデル(MLLM)のステップ・バイ・ステップ推論を洗練させる手段としては,アウトカム・リワード強化学習(RL)が一般的であり,ますます重要になっている。 この問題を修正するために,自己整合サンプリング(SCS)を提案する。 Qwen2.5-VL-7B-インストラクトに基づいて、SCSは、無視できる余分な計算を伴う6つのマルチモーダルベンチマークにおいて、最大7.7ポイントの精度を向上する。
  論文  参考訳（メタデータ） (2025-11-13T18:59:57Z)
• Transformer-based Federated Learning for Multi-Label Remote Sensing Image Classification [2.3255040478777755]
  各種クライアントにおける非IIDトレーニングデータに関連する課題に対処するために,最先端のトランスフォーマーアーキテクチャが適用可能であるかを検討する。 トランスフォーマーアーキテクチャは、局所的なトレーニングと集約の複雑さの増大により、能力を高める。
  論文  参考訳（メタデータ） (2024-05-24T10:13:49Z)
• Multi-Task Classification of Sewer Pipe Defects and Properties using a Cross-Task Graph Neural Network Decoder [56.673599764041384]
  我々は、新しいデコーダ指向マルチタスク分類アーキテクチャ、クロスタスクグラフニューラルネットワーク(CT-GNN)を提案する。 CT-GNNは、クロスタスク情報を用いてタスクごとの解離予測を洗練する。 我々は,Swer-MLデータセットの4つの分類タスクすべてに対して,最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2021-11-15T15:36:50Z)
• Sewer-ML: A Multi-Label Sewer Defect Classification Dataset and Benchmark [29.728476976320913]
  画像に基づく下水道欠陥分類のための新しい多ラベル分類データセットであるSwer-MLを提案する。 このデータセットは、9年間に3つの異なるユーティリティ企業からプロの下水道検査官がアノテートした1300万枚の画像で構成されています。 また,性能評価のためのベンチマークアルゴリズムと新しい指標を提案する。
  論文  参考訳（メタデータ） (2021-03-19T16:32:37Z)
• Bayesian Transformer Language Models for Speech Recognition [59.235405107295655]
  トランスフォーマーで表現される最先端のニューラルネットワークモデル(LM)は非常に複雑である。 本稿では,トランスフォーマーLM推定のためのベイズ学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-02-09T10:55:27Z)

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。