Recherche et détection d'un regard de télécommunications PTT
Cet article va décrire trois approches différentes pour améliorer la précision de localisation des plaques d'égout. Il s'agit de l'approche multi-vues, des réseaux formés à l'intensité et de l'approche par fenêtre glissante. Nous discuterons de chacune d'entre elles et de la façon dont elles se comparent à la vérité du terrain pour déterminer la précision de la localisation. Enfin, nous verrons quelle approche répond le mieux à nos besoins. Cependant, avant de commencer, passons rapidement en revue certaines des méthodes les plus couramment utilisées pour la détection des regards.
Approches multivues
Dans une étude de cas à validation croisée portant sur 228 entrées d'égouts, un cadre multivue améliore considérablement les performances de détection des entrées d'égouts. Cette augmentation de la précision est attribuée à l'utilisation de perspectives supplémentaires et à l'exploitation de la résolution complète des images de drones. Avec une approche multi-vues, 80% des bouches d'égout sont identifiées et localisées avec un haut degré de précision.
La performance des détecteurs multi-vues surpasse celle des détections à vue unique pour toutes les combinaisons de paramètres de clustering. Le détecteur multivues surpasse le détecteur à vue unique sur l'ensemble de la courbe, et pour toute combinaison de paramètres de clustering. Dans la figure ci-dessous, les configurations optimales des paramètres de clustering sont surlignées en noir. Les zones grises indiquent que les paramètres de clustering sont trop exclusifs.
La méthode de Viola et Jones fait appel aux images intégrales pour accélérer le calcul des caractéristiques. L'algorithme Adaboost donne plus de poids aux caractéristiques discriminantes de l'image, et écarte les images négatives de manière précoce. La méthode de Viola et Jones utilise une approche par fenêtre glissante avec un calcul des caractéristiques étape par étape. Cependant, l'efficacité de l'approche multivues pour détecter un regard de télécommunication PTT n'est pas claire.
Utilisant une combinaison d'imagerie aérienne et de cartographie à vue unique, les approches multivues pour rechercher et détecter un regard de télécommunication PTT peuvent détecter des objets qui ne peuvent pas être vus à l'aide de techniques d'imagerie conventionnelles. Outre ces approches, elles peuvent également être utilisées pour d'autres projets de cartographie. Elles peuvent être facilement adaptées à d'autres applications cartographiques. Ainsi, si vous avez un projet qui nécessite la cartographie d'un emplacement spécifique, envisagez d'utiliser une approche multi-vues.
Réseaux formés en intensité
Cette étude examine l'influence de différentes architectures de dorsale sur la recherche et la détection d'un tuyau de télécommunication des PTT. Les grandes bases de données spatiales sont de plus en plus utilisées pour la planification des projets, la conception des constructions et la gestion des catastrophes. Ces bases de données fournissent également des données importantes pour les modèles de prévision des transports. Les systèmes de cartographie mobile gagnent également en popularité. Bien qu'ils n'effectuent pas encore la tâche de manière complètement automatique, ils ont amélioré la cartographie des regards. Les auteurs signalent que la méthode de détection entièrement automatique peut détecter avec précision les emplacements des couvercles de trou d'homme en utilisant un nuage de points de cartographie mobile.
Différentes méthodes ont été développées pour détecter les trous d'homme et les égouts pluviaux dans les zones urbaines. Cependant, ces approches sont coûteuses, tant en termes de coûts de calcul que d'équipement. Heureusement, les algorithmes d'apprentissage machine (DL) ont été utilisés dans de nombreuses applications. Bien qu'ils soient coûteux, ils offrent des méthodes robustes d'analyse des données. Pour détecter les regards, ils peuvent être combinés avec des techniques de vision par ordinateur.
Approche par fenêtre glissante
Une approche par fenêtre glissante pour la recherche et la détection d'un regard de télécommunication PTT peut être utilisée pour une variété de tâches. La méthode fonctionne en estimant les indices fi de chaque PTT dans une fenêtre. Ces indices sont ensuite fusionnés pour obtenir un critère de détection d'anomalie. Par exemple, si un signal est placé dans une fenêtre qui contient un trou d'homme PTT, il est probable qu'il contienne des signaux.
L'approche par fenêtre glissante pour la recherche et la détection d'un trou d'homme de télécommunication est une technique qui aide à optimiser le flux de paquets entre l'émetteur et le récepteur. Les fenêtres glissantes permettent d'assurer un accusé de réception des paquets de manière efficace. Chaque fenêtre d'envoi contient un certain nombre de paquets qui ont déjà fait l'objet d'un accusé de réception, tandis qu'un autre n'a pas encore été acquitté. La fenêtre d'envoi est continuellement ajustée par l'émetteur en fonction des accusés de réception du récepteur.
Réseau de classification
Un réseau neuronal entièrement convolutif est utilisé pour détecter l'emplacement central d'un couvercle de trou d'homme. Il simule le mouvement d'une fenêtre coulissante, ce qui permet d'obtenir une sortie de classification spatiale efficace. Il prédit le centre du trou d'homme en utilisant les cartes d'activation du réseau de classification. De manière similaire, la méthode proposée prédit la position du couvercle d'une bouche d'égout de télécommunication PTT à l'aide d'images RVB et son emplacement à l'aide du même modèle.
Pour détecter le couvercle de la bouche d'égout, le réseau détecte une position de fenêtre coulissante dans l'image d'entrée. Cette position est ensuite normalisée en utilisant un seuil min-max. Le résultat est un cluster de fenêtres avec des scores de classification élevés. Les grands groupes de positions de fenêtres sont susceptibles d'être des plaques d'égout, tandis que les petits groupes indiquent une plus grande possibilité de faux positifs. Ces deux méthodes sont comparées pour déterminer si une couverture est en fait une bouche d'égout.
Les résultats du modèle VGG-16 montrent un cluster clair autour d'une couverture de bouche d'égout, avec peu de faux positifs. En outre, la plupart des grappes de faux positifs se chevauchent avec les couvercles d'inspection sur le trottoir. Ces couvercles d'inspection sont utilisés pour inspecter les conduites de gaz et d'eau, qui ne sont pas couramment cartographiées dans les grandes bases de données spatiales. Par conséquent, le modèle Inception-v3 présente moins de faux positifs. C'est un résultat prometteur, mais il doit être affiné pour assurer une meilleure détection.
Une base de données spatiale à grande échelle d'une plaque d'égout de télécommunication des PTT est un ensemble de données clé pour la cartographie publique. Ces bases de données sont essentielles pour de nombreuses parties prenantes, notamment la conception de la construction, la gestion des catastrophes et les modèles de prévision des transports. Un système de cartographie mobile devient de plus en plus populaire, et une méthode entièrement automatique pour détecter les plaques d'égout en utilisant les nuages de points de la cartographie mobile est la voie à suivre. Une fois les données traitées, le réseau peut générer des estimations précises de la position des trous d'homme, ce qui permet d'utiliser le réseau pour la cartographie en temps réel des couvertures de trous d'homme.