已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Deep Active Learning for Civil Infrastructure Defect Detection and Classification

计算机科学 人工智能 深度学习 机器学习 任务(项目管理) 残余物 支持向量机 上下文图像分类 人工神经网络 深层神经网络 主动学习(机器学习) 标记数据 模式识别(心理学) 图像(数学) 工程类 系统工程 算法
作者
Chen Feng,Mingyu Liu,Chieh-Chi Kao,Teng‐Yok Lee
出处
期刊:Computing in Civil Engineering 卷期号:: 298-306 被引量:145
标识
DOI:10.1061/9780784480823.036
摘要

Automatic detection and classification of defects in infrastructure surface images can largely boost its maintenance efficiency. Given enough labeled images, various supervised learning methods have been investigated for this task, including decision trees and support vector machines in previous studies, and deep neural networks more recently. However, in real world applications, labels are harder to obtain than images, due to the limited labeling resources (i.e., experts). Thus we propose a deep active learning system to maximize the performance. A deep residual network is firstly designed for defect detection and classification in an image. Following our active learning strategy, this network is trained as soon as an initial batch of labeled images becomes available. It is then used to select a most informative subset of new images and query labels from experts to retrain the network. Experiments demonstrate more efficient performance improvements of our method than baselines, achieving 87.5% detection accuracy.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
深情安青应助春实秋华采纳,获得10
6秒前
梅坤完成签到,获得积分20
9秒前
七慕凉完成签到,获得积分0
13秒前
14秒前
14秒前
共享精神应助喵喵采纳,获得10
17秒前
英俊的铭应助Ye666采纳,获得10
18秒前
19秒前
丰那个丰发布了新的文献求助10
19秒前
Ming Chen完成签到,获得积分10
20秒前
李爱国应助任性的冷梅采纳,获得10
23秒前
情怀应助meijico采纳,获得10
24秒前
琪琪发布了新的文献求助10
26秒前
qqw发布了新的文献求助10
26秒前
爆米花应助梅坤采纳,获得10
29秒前
32秒前
科研通AI5应助ZTX采纳,获得10
33秒前
Orange应助丰那个丰采纳,获得10
34秒前
34秒前
Ye666完成签到,获得积分10
35秒前
素言发布了新的文献求助10
37秒前
gg发布了新的文献求助10
38秒前
39秒前
简易完成签到 ,获得积分10
39秒前
布可完成签到,获得积分10
42秒前
梅坤发布了新的文献求助10
43秒前
pang完成签到,获得积分20
43秒前
芯之痕发布了新的文献求助10
44秒前
科研通AI5应助琪琪采纳,获得10
47秒前
量子星尘发布了新的文献求助10
48秒前
Zz关闭了Zz文献求助
49秒前
细心碧彤完成签到,获得积分10
52秒前
zhenzheng完成签到 ,获得积分10
52秒前
嘀嗒完成签到,获得积分20
53秒前
54秒前
完美世界应助快乐茗采纳,获得10
1分钟前
1分钟前
1分钟前
英俊的铭应助yannnis采纳,获得10
1分钟前
linac完成签到 ,获得积分10
1分钟前
高分求助中
A new approach to the extrapolation of accelerated life test data 1000
Picture Books with Same-sex Parented Families: Unintentional Censorship 700
ACSM’s Guidelines for Exercise Testing and Prescription, 12th edition 500
Nucleophilic substitution in azasydnone-modified dinitroanisoles 500
不知道标题是什么 500
Indomethacinのヒトにおける経皮吸収 400
Phylogenetic study of the order Polydesmida (Myriapoda: Diplopoda) 370
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 3976531
求助须知:如何正确求助?哪些是违规求助? 3520603
关于积分的说明 11204100
捐赠科研通 3257210
什么是DOI,文献DOI怎么找? 1798648
邀请新用户注册赠送积分活动 877835
科研通“疑难数据库(出版商)”最低求助积分说明 806570