文献

J-GLOBAL ID：201802210003306900   整理番号：18A2102965

画像を用いた深いニューラルネットワークを用いた道路損傷の検出と分類【JST・京大機械翻訳】

Road Damage Detection and Classification Using Deep Neural Networks with Smartphone Images

著者 (5件)： Maeda Hiroya (Institute of Industrial Science, The University of Tokyo, Tokyo, Japan) ,  Sekimoto Yoshihide (Institute of Industrial Science, The University of Tokyo, Tokyo, Japan) ,  Seto Toshikazu (Institute of Industrial Science, The University of Tokyo, Tokyo, Japan) ,  Kashiyama Takehiro (Institute of Industrial Science, The University of Tokyo, Tokyo, Japan) ,  Omata Hiroshi (Institute of Industrial Science, The University of Tokyo, Tokyo, Japan)
資料名： Computer-Aided Civil and Infrastructure Engineering  (Computer-Aided Civil and Infrastructure Engineering)
巻： 33  号： 12  ページ： 1127-1141  発行年： 2018年 
JST資料番号： T0294A  ISSN： 1093-9687  資料種別： 逐次刊行物 (A)
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： 画像処理技術を用いた道路表面の損傷検出に関する研究が活発に行われている。本研究は,道路損傷検出問題に取り組むために3つの貢献を行った。最初に,著者らの知る限りでは,最初に,大規模道路損傷データセットを作成し,これらの道路画像に含まれる道路表面損傷の15,435例を用いて,自動車上に設置されたスマートフォンを用いて捕獲された9053の道路損傷画像を構成した。次に,著者らのデータセットを用いて損傷検出モデルを訓練するために畳込みニューラルネットワークを用いて最先端のオブジェクト検出法を用いて,GPUサーバとスマートフォンを用いて両方に関する精度と実行時間速度を比較した。最後に,提案した物体検出法を適用することにより,損傷のタイプを8つのタイプに分類できることを示した。本研究で使用した道路損傷データセット,実験結果および開発したスマートフォン応用は,公開されている(https:/github.com/sekilab/RoadDamage Detector)。Copyright 2018 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ニューラルネットワーク ,  *道路 ,  画像処理 ,  スマートフォン ,  路面 ,  コンピュータビジョン ,  *画像 ,  自動車 ,  損傷検出 ,  物体検出 ,  畳込みニューラルネットワーク ,  表面損傷 ,  検出
準シソーラス用語： 実行時間 , 【Automatic Indexing@JST】

分類 (2件)： 舗装一般  (RC04010K) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： ニューラルネットワーク ,  道路 ,  損傷 ,  分類