Hake et al.: Automatische Schadenserkennung an Wasserbauwerken ...
3 Zusammenfassunz?
Es wurden zwei Methoden des maschinellen Lernens zur Erkennung von Schä-
den vorgestellt. Mit Transfer-Learning lassen sich Aussinterungen in Farbbildern
erkennen und LOF ermöglicht es 3D-Scandaten in geschädigte und nicht ge-
schädigte Bereiche zu segmentieren. Beide Verfahren sind geeignet, um Schäden
in Massendaten vollautomatisch zu erkennen. Zukünftig könnten die Verfahren
die Bauwerksprüfung unterstützen, indem sie eine Vorauswahl automatisch er-
kannter Schäden für die Bauwerksprüfer zusammenstellen.
Gefördert durch:
Bundesministerium
5“ [| für Verkehr und
digitale Infrastruktur
IHATEG
Innovative .
Hafentechnologien
aufgrund eines Beschlusses
des Deutschen Bundestages
Literatur
Andrews, J., Tanay, T., Morton, E. J., Griffin, L. D. (2016): Transfer representation-learning
for anomaly detection. In: Proceedings of the 33rd International Conference on Ma-
chine Learning. JMLR: New York, NY, USA.
Breunig, M.M., Kriegel, H. P., Ng, R. T., Sander, J. (2000): LOF: identifying density-based
local outliers. In: Proceedings of the 2000 ACM SIGMOD international conference on
Management of data, 93-104.
Goldstein, M., Uchida, S. (2016): A comparative evaluation of unsupervised anomaly de-
tection algorithms for multivariate data. PloS one, 11(4), e0152173.
Grubbs, E E. (1969): Procedures for detecting outlying observations in samples. In: Tech-
nometrics, 11(1), 1-21.
Hesse, C., Holste, K., Neumann, I., Hake, E, Alkhatib, H., Geist, M., Knaack, L., Scharr,
C. (2019): 3D HydroMapper: Automatisierte 3D-Bauwerksaufnahme und Schadens-
erkennung unter Wasser für die Bauwerksinspektion und das Building Information
Modelling. In: Hydrographische Nachrichten - Journal of Applied Hydrography,
113:26-29.
Simonyan, K., Zisserman, A. (2014): Very deep convolutional networks for large-scale
image recognition. arXiv preprint arXiv:1409.1556.
Kontakt
Frederic Hake
Leibniz Universität Hannover, Geodätisches Institut
Nienburger Straße 1, 30167 Hannover
hake@gih.uni-hannover.de
U Wilsrier-Velıa
3and 102/2022 @®@ DVW-SCHRIFTENREIHE
151
