文献

J-GLOBAL ID：201702238841493515   整理番号：17A1628002

コンピュータビジョンをベースとしたデータ駆動型舗装の損傷検出のためのトランスファー学習を用いた深層畳込みニューラルネットワーク【Powered by NICT】

Deep Convolutional Neural Networks with transfer learning for computer vision-based data-driven pavement distress detection

著者 (4件)： Gopalakrishnan Kasthurirangan (Department of Electrical Engineering & Computer Science, Northwestern University, Evanston, IL 60201, USA) ,  Khaitan Siddhartha K. (Department of Electrical and Computer Engineering, Iowa State University, Ames, IA 50011, USA) ,  Choudhary Alok (Department of Electrical Engineering & Computer Science, Northwestern University, Evanston, IL 60201, USA) ,  Agrawal Ankit (Department of Electrical Engineering & Computer Science, Northwestern University, Evanston, IL 60201, USA)
資料名： Construction and Building Materials  (Construction and Building Materials)
巻： 157  ページ： 322-330  発行年： 2017年 
JST資料番号： T0560A  ISSN： 0950-0618  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 輸送機関のための優先度の高い研究分野の一つとして残っている自動舗装損傷検出と分類。本論文では,「ビッグデータ」ImageNetデータベース上で訓練された深層畳込みニューラルネットワーク(DCNN),百万画像を含む,加熱混合アスファルト(HMA)とポルトランドセメントコンクリート(PCC)における亀裂を自動検出するための学習は,様々な亀裂異常と欠陥のも含む舗装画像を表面伝達を採用した。ビジョンベースの自動化された舗装亀裂検出で遭遇する偽陽性の共通源とは別に,複雑さの有意に高いためは,異なる表面特性を持つ複合HMA表面とPCC表面画像の分類器を訓練するために試みによって本研究で紹介した。ImageNet事前VGG16DCNN特徴上で訓練された単層ニューラルネットワーク分類器(「adam’最適化)が最良の性能を得た。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 表面性状 ,  *畳込み ,  *損傷検出 ,  亀裂 ,  *舗装 ,  *学習 ,  *ニューラルネットワーク ,  *コンピュータビジョン ,  データベース ,  *深層 ,  最適化 ,  自動化 ,  亀裂検出 ,  自動検出 ,  ビッグデータ ,  *検出 ,  改変

著者キーワード (6件)： 舗装のき裂 ,  ディジタル画像 ,  深い学習 ,  転移学習 ,  ランダムフォレスト ,  畳込みニューラルネットワーク

分類 (1件)： モルタル,コンクリート  (RA06042H)

タイトルに関連する用語 (8件)： コンピュータビジョン ,  データ駆動 ,  舗装 ,  損傷検出 ,  トランス ,  ファー ,  学習 ,  深層畳込みニューラルネットワーク