ZERO-SHOT OBJECT DETECTION AND SEGMENTATION FOR CONSTRUCTION SITES THROUGH MULTI-MODEL INTEGRATION
Notice bibliographique
Résumé
Object detection and segmentation are crucial for managing construction sites, aiding in tasks such as progress tracking, material management, and safety assurance.However, conventional methods encounter persistent challenges, including occlusion, variable lighting conditions, and the labor-intensive nature of dataset creation, which limit their adaptability to dynamic construction environments.This study introduces a novel zero-shot object detection and segmentation framework designed specifically for construction-related objects, including machinery, workers, and materials.The proposed framework integrates three state-of-the-art models: Florence-2, Llama3.2-Vision, and the Segment Anything Model 2 (SAM2).Florence-2 generates region proposals for previously unseen objects using textual descriptions; Llama3.2-Visionpredicts and refines accurate labels for detected regions based on textual queries; and SAM2 produces high-precision segmentation masks.The effectiveness of this approach was validated through both qualitative and quantitative experiments.While parts of this framework and qualitative experiments were previously presented, this paper extends our previous work by providing a more detailed methodology and including additional quantitative experiments.Qualitative experiments using images from a specific tunnel excavation site, demonstrating robust detection and segmentation performance under challenging conditions such as occlusion and variable lighting.Quantitative experiments using the Alberta Construction Image Dataset (ACID) showed that the proposed multimodel method significantly outperformed Florence-2 alone, particularly for large objects, despite not achieving the accuracy of the fine-tuned YOLOv11 model.The proposed framework eliminates the need for extensive retraining and manual dataset creation by leveraging the complementary strengths of these models.This scalable and flexible solution offers practical applications in progress tracking, material management, and safety monitoring and thereby addresses the unique complexities of dynamic construction environments.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».