DIS-Mine: Instance Segmentation for Disaster-Awareness in Poor-Light Condition in Underground Mines

要約

爆発や構造的損傷など、地下採掘における災害を検出することは、長年にわたって根強い課題となっています。
この問題は、初期対応者にとってはさらに複雑になります。彼らは鉱山内の被害の程度や性質について明確な情報を持っていないことがよくあります。
鉱山内は光が乏しく、さらには完全な暗闇のため、救助活動は非常に困難であり、悲劇的な人命の損失につながります。
この論文では、DIS-Mine と呼ばれる新しいインスタンス セグメンテーション手法を提案します。この手法は、暗い場所や視界が悪い状況下で地下鉱山内の災害の影響を受けたエリアを特定し、初期対応者の救助活動を支援するように特別に設計されています。
DIS-Mine は、高ノイズ、色の歪み、コントラストの低下などの課題に対処することで、完全な暗闇でも画像内のオブジェクトを検出できます。
DIS-Mine の主要なイノベーションは、4 つのコア コンポーネントに基づいて構築されています。i) 画像の明るさの向上、ii) SAM 統合によるインスタンス セグメンテーション、iii) マスク R-CNN ベースのセグメンテーション、iv) 特徴マッチングによるマスク アラインメント。
それに加えて、実験中の地下鉱山から現実世界の画像を収集し、特に視界の悪い条件で収集された ImageMine という名前の新しいデータセットを導入しました。
このデータセットは、現実的で困難な環境における DIS-Mine のパフォーマンスを検証するために役立ちます。
ImageMine データセットおよび他のさまざまなデータセットに対する包括的な実験では、DIS-Mine が 86.0% という優れた F1 スコアと 72.0% の mIoU を達成し、最先端のインスタンス セグメンテーション手法を少なくとも 15 倍上回るパフォーマンスを示していることが実証されました。
物体検出の精度が最大 80% 向上しました。

要約(オリジナル)

Detecting disasters in underground mining, such as explosions and structural damage, has been a persistent challenge over the years. This problem is compounded for first responders, who often have no clear information about the extent or nature of the damage within the mine. The poor-light or even total darkness inside the mines makes rescue efforts incredibly difficult, leading to a tragic loss of life. In this paper, we propose a novel instance segmentation method called DIS-Mine, specifically designed to identify disaster-affected areas within underground mines under low-light or poor visibility conditions, aiding first responders in rescue efforts. DIS-Mine is capable of detecting objects in images, even in complete darkness, by addressing challenges such as high noise, color distortions, and reduced contrast. The key innovations of DIS-Mine are built upon four core components: i) Image brightness improvement, ii) Instance segmentation with SAM integration, iii) Mask R-CNN-based segmentation, and iv) Mask alignment with feature matching. On top of that, we have collected real-world images from an experimental underground mine, introducing a new dataset named ImageMine, specifically gathered in low-visibility conditions. This dataset serves to validate the performance of DIS-Mine in realistic, challenging environments. Our comprehensive experiments on the ImageMine dataset, as well as on various other datasets demonstrate that DIS-Mine achieves a superior F1 score of 86.0% and mIoU of 72.0%, outperforming state-of-the-art instance segmentation methods, with at least 15x improvement and up to 80% higher precision in object detection.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google