用于识别下水道录像中缺陷的自监督学习
计算机视觉与模式识别
2024-09-05 v1 人工智能
机器学习
摘要
下水道基础设施是最昂贵的现代投资之一，需要专业人员进行耗时的手动检查。我们的研究 addresses 自动化解决方案的需求，而无需依赖大量标记数据。我们提出了一种创新的自监督学习（SSL）应用于下水道检查的方法，为缺陷检测提供了可扩展且高性价比的解决方案。我们以至少 5 倍于文献中其他方法更小的模型实现了具竞争力的结果，并在使用更大架构训练时仅使用可用数据的 10% 即可获得竞争性能。我们的发现凸显了 SSL 在资源受限环境下革新化水坝维护的潜力。
引用
@article{arxiv.2409.02140,
title = {Self-Supervised Learning for Identifying Defects in Sewer Footage},
author = {Daniel Otero and Rafael Mateus},
journal= {arXiv preprint arXiv:2409.02140},
year = {2024}
}
备注
Poster at the LatinX in AI Workshop @ ICML 2024