Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Automated Underwater Pipeline Damage Detection using Neural Nets
KTH, Skolan för elektroteknik och datavetenskap (EECS), Robotik, perception och lärande, RPL.
KTH, Skolan för elektroteknik och datavetenskap (EECS), Robotik, perception och lärande, RPL.
KTH, Skolan för elektroteknik och datavetenskap (EECS), Robotik, perception och lärande, RPL.
KTH, Skolan för elektroteknik och datavetenskap (EECS), Robotik, perception och lärande, RPL. (RPL/EECS)ORCID-id: 0000-0002-7796-1438
2019 (Engelska)Konferensbidrag, Enbart muntlig presentation (Refereegranskat)
Abstract [en]

Pipeline inspection is a very human intensive taskand automation could improve efficiencies significantly. We propose a system that could allow an autonomous underwater vehicle (AUV), to detect pipeline damage in a stream of images.Our classifiers were based on transfer learning from pre-trained convolutional neural networks (CNN). This allows us to achieve good results despite relatively few training examples of damage. We test the approach using data from an actual pipeline inspection.

Ort, förlag, år, upplaga, sidor
2019.
Nationell ämneskategori
Datorsystem Robotteknik och automation
Forskningsämne
Datalogi
Identifikatorer
URN: urn:nbn:se:kth:diva-256311OAI: oai:DiVA.org:kth-256311DiVA, id: diva2:1344503
Konferens
ICRA 2019 Workshop on Underwater Robotics Perception
Forskningsfinansiär
Stiftelsen för strategisk forskning (SSF), IRC15-0046
Anmärkning

QC 20190827

Tillgänglig från: 2019-08-21 Skapad: 2019-08-21 Senast uppdaterad: 2019-08-27Bibliografiskt granskad

Open Access i DiVA

fulltext(1223 kB)49 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 1223 kBChecksumma SHA-512
45c8b0288f0fb762dc1d0462e0d4d842d5567851565e845e7c5ff99f25178cfd65686b8d8117e5ff955322a7fa4f78bb8fa5f42ec7feeab52503777d279f22c6
Typ fulltextMimetyp application/pdf

Personposter BETA

Shi, JiajunYin, WenjieDu, YipaiFolkesson, John

Sök vidare i DiVA

Av författaren/redaktören
Shi, JiajunYin, WenjieDu, YipaiFolkesson, John
Av organisationen
Robotik, perception och lärande, RPL
DatorsystemRobotteknik och automation

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 49 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 264 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf