深層学習法を用いた自動進捗監視のための材料認識【JST・京大機械翻訳】

Mahami Hadi; Ghassemi Navid; Darbandy Mohammad Tayarani; Shoeibi Afshin; Hussain Sadiq; Nasirzadeh Farnad; Alizadehsani Roohallah; Nahavandi Darius; Khosravi Abbas; Nahavandi Saeid

プレプリント

J-GLOBAL ID：202202201573678001 整理番号：21P0037667

深層学習法を用いた自動進捗監視のための材料認識【JST・京大機械翻訳】

Material Recognition for Automated Progress Monitoring using Deep Learning Methods

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (10件)： , , , , , , , , ,
資料名：
発行年： 2020年06月29日プレプリントサーバーでの情報更新日： 2021年04月16日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

人工知能,特に深層学習における最近の進展は,自動化のための最新の方法の状態を導入することによって,多くの分野を不可逆的に変えた。建設モニタリングは例外ではなかった。建設監視システムの一部として,材料分類と認識は,深い学習とマシンビジョン研究者の注意を引いた。しかし,生産-準備システムを作成するためには,まだ長い経路がある。ロバストシステムを作成するためには,照明の変化や許容可能な精度の達成などの実世界問題に対処する必要がある。本論文では,これらの課題に対処し,このタスクに対して97.35%の精度率の最先端性能の状態に達した。また,いくつかの建設サイトから採取した11クラスの1231画像を含む新しいデータセットを収集し,この分野における他の研究者を助けるために公開した。【JST・京大機械翻訳】

, , , ,
, , 【Automatic Indexing@JST】

人工知能

前のページに戻る