Novel architecture based on dual‐view fusion for underground hidden distresses detection
Notice bibliographique
Résumé
The detection of underground hidden distresses aims to locate the anomaly areas beneath the surface. This task faces significant challenges, including the scarcity of distress samples and the complex three-dimensional hidden structures of the distresses. Traditional approaches typically employ generative adversarial networks and manually designed object detectors to address these issues. Nonetheless, the current methods face challenges in maintaining semantic consistency between the generated samples and the real-world samples, and they can only detect anomalies based on features from a single image. To overcome these limitations, this paper proposes an innovative detection architecture that significantly enhances the performance of multi-object hidden distress detection by introducing a dual-view (horizontal and longitudinal) correlated generation model and a dual-stream detection mechanism. The approach offers a comprehensive subsurface analysis: The horizontal view captures large-scale anomalies, while the longitudinal view reveals vertical structural details, boosting multi-object distress detection. Specifically, a ground-penetrating radar image diffusion model (GPRDiff) is proposed to generate hidden distress images with dual-view correlation. Furthermore, this study designs a novel dual-view cross-information fusion transformer to achieve efficient fusion of dual-stream information. Experimental results demonstrate that using a combination of GPRDiff-generated images and real images as input, along with a joint-view guided dual-stream detector, significantly improves the detection accuracy of multi-object hidden distresses. This research not only fills the technical gap in multi-object generation within the field of 3D radar road detection but also provides new research insights and technical pathways for other detection industries.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».