基于生成式损伤学习的自主飞行影像混凝土老化检测
图像与视频处理
2020-11-17 v2 机器学习
摘要
为监测大规模基础设施状态，利用自主飞行无人机进行影像采集可高效获取稳定角度与高质量图像。监督学习需要由图像与标注标签组成的大型数据集。积累图像（包括识别受损感兴趣区域（ROIs））耗时长久。近年来，诸如生成对抗网络（GANs）等用于异常检测算法的无监督深度学习方法已取得进展。当将受损图像作为生成器输入时，其倾向于从受损状态逆转为所生成的健康状态图像。利用真实受损图像与所生成逆转老化的健康状态伪图像之间的分布距离，可从无监督学习中自动检测混凝土损伤。本文提出一种异常检测方法，使用从受损图像到近似健康状态的逆转老化伪图像的非配对图像到图像翻译映射。我们将该方法应用于实地研究，并检验其对于混凝土损伤健康监测的实用性。
引用
@article{arxiv.2006.15257,
title = {Generative Damage Learning for Concrete Aging Detection using Auto-flight Images},
author = {Takato Yasuno and Akira Ishii and Junichiro Fujii and Masazumi Amakata and Yuta Takahashi},
journal= {arXiv preprint arXiv:2006.15257},
year = {2020}
}
备注
8 pages, 15 figures