检索结果-南通市图书馆

Tunnel SAM adapter:Adapting segment anything model for tunnel water leakage inspection

Geohazard Mechanics 2024年第1期2卷 29-36页

作者： Junxin Chen Xiaojie Yu Shichang Liu Tao Chen Wei Wang Gwanggil Jeon Benguo He School of Software Dalian University of TechnologyDalian116621China College of Computer Science Sichuan UniversityChengdu610065China Huaneng Luding Hydropower Co. LtdChengdu610065China Guangdong-Hong Kong-Macao Joint Laboratory for Emotion Intelligence and Pervasive Computing Artiﬁcial Intelligence Research InstituteShenzhen MSU-BIT UniversityShenzhen518172China School of Medical Technology Beijing Institute of TechnologyBeijing100081China College of Information Technology Incheon National UniversityIncheon22012South Korea Key Laboratory of Ministry of Education on Safe Mining of Deep Metal Mines Northeastern UniversityShenyang110819China

Water leakage inspection in the tunnels is a critical engineering job that has attracted increasing *** area detection via manual inspection techniques is time-consuming and might produce unreliableﬁndings, so that automated techniques should be created to increase reliability and efﬁciency. Pre-trainedfoundational segmentation models for large datasets have attracted great interests recently. This paper proposes a novel SAM-based network for accurate automated water leakage inspection. The contributions of thispaper include the efﬁcient adaptation of the SAM (segment anything model) for shield tunnel water leakagesegmentation and the demonstration of the application effect by data experiments. Tunnel SAM Adapter hassatisfactory performance, achieving 76.2 % mIoU and 77.5 % Dice. Experimental results demonstrate that ourapproach has advantages over peer studies and guarantees the integrity and safety of these vital assets whilestreamlining tunnel maintenance.

关键词： Water leakage segmentation segment anything model SAM-Adapter Smart engineering

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

AI模型segment anything model在运动训练中的应用瞻望

AI模型Segment Anything Model在运动训练中的应用瞻望

引用

第十三届全国体育科学大会

作者：王志慧张永奎王伟立刘燕天津体育学院

研究目的:高科技信息技术是体育发展的强大动力,在体育领域的应用中,人工智能起到了至关重要的作用。人工智能与各种应用的融合,为人们的日常生活和工作提供了新思路、新方法和新技术,同时也促进了体育领域的现代化。人工智能的发展迅速... 详细信息

研究目的:高科技信息技术是体育发展的强大动力,在体育领域的应用中,人工智能起到了至关重要的作用。人工智能与各种应用的融合,为人们的日常生活和工作提供了新思路、新方法和新技术,同时也促进了体育领域的现代化。人工智能的发展迅速,由Meta推出的segment anything model(SAM)模型,是计算机视觉领域发布第一个用于图像分割的、可通过提示(prompt)方式应用的通用大模型,类似自然语言领域(NLP)中的大模型ChatGPT,它可应用于各种领域,用于准确识别查找和分割图像中的任何对象,在虚拟现实(VR)和增强现实(AR)场景中,可以根据用户的目光,来交互显示对象的相关信息。把SAM模型应用到运动训练中,是对运动训练中人工智能应用的创新。本文从人工智能体育融合发展视角出发,探讨SAM模型在运动训练中运用的路径方法,向各个体育专业提供更加精细的运动训练方案及运动员的个人数据分析,并对SAM模型在运动训练中的应用进行瞻望,加速竞技体育的发展。研究方法:本文采用文献研究法和跨学科分析法,运用中国知网(CNKI)、SCI、万方数据库,以"人工智能"、"SAM"、"运动训练"作为关键词,查阅相关文献,对运动训练进行分析,研究SAM模型在运动训练中的应用。研究结论:SAM模型可以用于识别图像和视频中的物体,利用类NLP技术路线,完成CV底层技术突破,并且具有广泛的通用性。研究认为,随着人工智能和运动训练的融合发展,SAM模型有望运用到运动训练中,可用于帮助教练员在任何训练的图像中准确查找和分割出运动员个体进行针对性研究。在AR/VR领域,SAM可以根据教练员的视线针对性的追踪运动员个体,并展示出他的个人资料和技战术动作,然后将其"提升"为3D模型,无遮拦的暴露出运动员技术动作的各种问题,并且又能够直观透彻的展现运动员的长处所在,能够使运动训练更加科学化、系统化、专业化。

关键词： segment anything model SAM 运动训练人工智能

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

Material-SAM:Adapting SAM for Material XCT

引用

Computers, Materials & Continua 2024年第3期78卷 3703-3720页

作者： Xuelong Wu Junsheng Wang Zhongyao Li Yisheng Miao Chengpeng Xue Yuling Lang Decai Kong Xiaoying Ma Haibao Qiao School of Materials Science and Engineering Beijing Institute of TechnologyBeijing100081China Senior Engineer at the Simulation Center Citic Dicastal Co.Ltd.Qinhuangdao066010China

X-ray Computed Tomography(XCT)enables non-destructive acquisition of the internal structure of materials,and image segmentation plays a crucial role in analyzing material XCT *** paper proposes an image segmentation method based on the segment anything model(SAM).We constructed a dataset of carbide in nickel-based single crystal superalloys XCT images and preprocessed the images using median filtering,histogram equalization,and gamma ***,SAM was fine-tuned to adapt to the task of material XCT image segmentation,resulting in *** compared the performance of threshold segmentation,SAM,U-Net model,and *** method achieved 88.45%Class Pixel Accuracy(CPA)and 88.77%Dice Similarity Coefficient(DSC)on the test set,outperforming SAM by 5.25%and 8.81%,respectively,and achieving the highest ***-SAM demonstrated lower input requirements compared to SAM,as it only required three reference points for completing the segmentation task,which is one-fifth of the requirement of ***-SAM exhibited promising results,highlighting its potential as a novel method for material XCT image segmentation.

关键词： segment anything model X-ray computed tomography U-Net Ni-based superalloys foundation models

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

一种街景图像中建筑物高度估算方法

引用

遥感信息 2024年第3期39卷 1-6页

作者：戈士博刘纪平王勇车向红中国测绘科学研究院北京100036

建筑物高度信息是城市三维建模的基础数据,但已有的建筑物高度估算研究多采用LiDAR和SAR等遥感影像。随着计算机和互联网的快速发展,街景数据因采集容易和成本低等特点成为了一种新兴的建筑物高度估算数据源。文章提出一种街景图像中建... 详细信息

建筑物高度信息是城市三维建模的基础数据,但已有的建筑物高度估算研究多采用LiDAR和SAR等遥感影像。随着计算机和互联网的快速发展,街景数据因采集容易和成本低等特点成为了一种新兴的建筑物高度估算数据源。文章提出一种街景图像中建筑物高度估算方法,首先利用segment anything model实现图像中建筑物像素高度提取;然后利用图像元数据和电子地图数据获取建筑物与相机之间的距离、图像焦距,根据街景图像与建筑物实体的几何关系改进针孔相机模型,构建建筑物高度估算方法;最后选取北京、柏林的Mapillary街景图像开展实验验证。结果表明,与改进前相比,改进后针孔相机模型明显提升了高度估算准确度,RMSE降低了11.31 m,R^(2)提高了0.4,具备实用价值。

关键词：街景图像建筑物高度估算针孔相机模型 segment anything model Mapillary

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：