Deep Learning for vision systems in Construction 4.0: a systematic review

Aplicação de Aprendizado Profundo na Classificação de Imagens de Patologias da Construção Civil: Análise de Data Augmentation para Bancos de Dados Desbalanceados

“…O surgimento das CNNs apresenta no desenvolvimento do DL um alto potencial na extrac ¸ão de características de imagens processadas [29], [11]. A mencionada extrac ¸ão ocorre a partir dos filtros convolucionais, em inglês, feature detector, ou kernels composto pela multiplicac ¸ão entre pixels da imagem (z) e os pesos sinápticos (w) representados na Equac ¸ão 1 [43], [35], [42]. Importa salientar que este procedimento acontece na camada convolucional responsável pela aplicac ¸ão da convoluc ¸ão, gerando novas matrizes e construindo o mapeamento de características, em inglês, feature map, de cada imagem [22], [55].…”

“…Em seguida, foram aplicados os filtros da biblioteca "EBImage"em imagens selecionadas, apresentadas na Figura 3. Nesse momento, o objetivo principal é observar quais as transformac ¸ões geométricas e de cor aplicadas preservam e destacam os rótulos de cada imagem, visando desenvolver desafios na aprendizagem do reconhecimento de padrões para a arquitetura durante o treinamento com alta relevância para a identificac ¸ão das rachaduras [63], [42]. Ao final do experimento foram selecionados uma quantidade limitada de filtros destinados para a execuc ¸ão dos experimentos devido ao custo computacional dos processos.…”

“…Entre as aplicac ¸ões citadas, as principais áreas técnicas utilizadas são a visão computacional e a robótica móvel [58], [51], [19]. Nesse contexto, surge a necessidade do aperfeic ¸oamento da técnica através do aprendizado profundo, em inglês, Deep Learning (DL) [33], [42]. Esse modelo de aprendizado é um mecanismo capaz de efetuar detecc ¸ão, classificac ¸ão e reconhecimento de objetos como as detecc ¸ões de incêndios florestais [1], alimentac ¸ão de subestac ¸ão de energia [41], acompanhamento de medicamentos ao paciente [56] e monitoramento estrutural na construc ¸ão civil [60], [72] por exemplo [42].…”

“…Nesse contexto, surge a necessidade do aperfeic ¸oamento da técnica através do aprendizado profundo, em inglês, Deep Learning (DL) [33], [42]. Esse modelo de aprendizado é um mecanismo capaz de efetuar detecc ¸ão, classificac ¸ão e reconhecimento de objetos como as detecc ¸ões de incêndios florestais [1], alimentac ¸ão de subestac ¸ão de energia [41], acompanhamento de medicamentos ao paciente [56] e monitoramento estrutural na construc ¸ão civil [60], [72] por exemplo [42]. Entre os modelos de DL que se destacam, as Redes Neurais Convolucionais, em inglês, Convolutional Neural Networks (CNNs) que utilizam grandes conjunto de dados, semelhantes a Big Data como o ImageNet, para realizar um alto reconhecimento de padrões em imagens e a classificac ¸ão discriminatória [63], [27], [37], [51].…”

Visual Sensing and Depth Perception for Welding Robots and Their Industrial Applications

“…Review [ 48 ] focuses on visual perception for different forms of industry intelligence. Review [ 49 ] focuses on deep learning methods for vision systems intended for Construction 4.0. The difference our review provides is a comprehensive analysis of visual sensing and depth perception.…”