文献

J-GLOBAL ID：201602246132821647   整理番号：16A1386899

深い畳込みニューラルネットワークを用いた道路亀裂の検出【Powered by NICT】

Road crack detection using deep convolutional neural network

著者 (4件)： Zhang Lei (Department of Electrical and Computer Engineering, Temple University, Philadelphia, PA 19122, USA) ,  Yang Fan (Department of Electrical and Computer Engineering, Temple University, Philadelphia, PA 19122, USA) ,  Daniel Zhang Yimin (Department of Electrical and Computer Engineering, Temple University, Philadelphia, PA 19122, USA) ,  Zhu Ying Julie (Department of Electrical and Computer Engineering, Temple University, Philadelphia, PA 19122, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICIP  ページ： 3708-3712  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 舗装亀裂の自動検出は,輸送維持運転安全性保証のための重要な課題である。しかし,亀裂の強度不均一性と背景の複雑さ,例えば,似た強度を持つ周囲の舗装と可能な影を持った低いコントラストのために,挑戦的な課題として残っている。コンピュータビジョンと医学的問題への深い学習を適用に関する最近の成功に触発されて,亀裂検出のための性ディープ学習に基づいた方法をこの論文で提案した。教師つき深い畳込みニューラルネットワークは,収集した画像における各画像パッチを分類するために訓練した。低コストスマートフォンによって収集された,サイズ3264χ2448の500画像のデータセットで行った定量的評価は,既存のものづくり法により抽出された特徴と比較した場合,提案した深い学習フレームワークで学習した深い特徴は優れた亀裂検出性能を提供することを示した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *亀裂 ,  *畳込み ,  学習 ,  舗装 ,  コントラスト ,  *ニューラルネットワーク ,  画像 ,  コンピュータビジョン ,  道路 ,  スマートフォン ,  安全性
準シソーラス用語： 定量的評価 ,  亀裂検出 ,  自動検出 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 畳込みニューラルネットワーク ,  道路 ,  亀裂