文献

J-GLOBAL ID：201902225058680510   整理番号：19A0603068

レーザーデータを用いた地下鉄トンネル内の変状検出に関する検討-全層畳み込みネットワークを用いた変状領域の可視化-

A note on detection of distress regions in subway tunnels from laser data-Visualization of distress regions with fully convolutional networks-

著者 (4件)： 豊田陽 (北大 大学院情報科学研究科) ,  原川良介 (北大 大学院情報科学研究科) ,  小川貴弘 (北大 大学院情報科学研究科) ,  長谷山美紀 (北大 大学院情報科学研究科)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 118  号： 449(ITS2018 59-85)  ページ： 295-299  発行年： 2019年02月12日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 本稿では,レーザーデータを用いた地下鉄トンネル内の変状検出について検討する。具体的に,3Dレーザーにより取得されるトンネル壁面の2D展開画像に対して,その中に含まれる変状領域の検出を行う。そして,全層畳み込みネットワークを用いて変状を検出することで,ピクセル単位での変状領域の可視化に取り組む。この際,地下鉄トンネル画像内で変状領域は全体に対してわずかであるため,変状検出ではクラスが不均衡になる。本稿では,ネットワークの学習の際に,クラス不均衡性を考慮可能な損失関数を利用する。これにより,画像内で多数である変状が存在しない領域について,それらの学習への影響を抑制する。結果的に,画像内で少数である変状領域に対する検出精度が向上すると期待できる。本稿の最後では実験により,変状検出の際にクラス不均衡性を考慮する有効性について検証する。(著者抄録)

シソーラス用語： *光走査 ,  情報 ,  *地下鉄道 ,  *変化 ,  不安定性 ,  検出 ,  損失関数 ,  *機械学習 ,  ニューラルネットワーク ,  *可視化 ,  実証実験 ,  精度 ,  有効性 ,  異常検出 ,  畳込みニューラルネットワーク
準シソーラス用語： *3次元レーザースキャニング ,  クラス不均衡 ,  *トンネル変状 ,  映像情報 ,  検出精度

分類 (3件)： 鉄道輸送・サービス一般  (TC01010R) ,  信号,保安  (TC01040Y) ,  人工知能  (JE08000Z)

引用文献 (10件)：

• 国土交通省,′′国土交通白書 2018,′′ http://www.mlit.go.jp/hakusyo/mlit/h29/hakusho/h30/index.html,2018,(参照2018-12-13).
• N. Delatte, et al., ′′Application of nondestructive evaluation to sub-way tunnel systems,′′ Transportation Research Record: Journal of the Transportation Research Board, vol. 1845, pp. 127-135, 2003.
• 石原賢太,高橋 翔,小川貴弘,長谷山美紀,′′畳み込みニューラルネットワークを用いた地下鉄トンネルにおける変状検出に関する検討,′′映像情報メディア学会技術報告,vol.41,no.5,pp.81-86,2017.
• 重田佳幸,下澤正道,安田 亨,′′走行型計測車両のトンネル点検への適用,′′土木学会年次学術講演会講演概要集,pp.3:110,2012.
• 中村美夫,畠見尚彦,高岩庸博,′′トンネル覆工レーザ・赤外線計測システム,′′日本ロボット学会誌,vol.34,no.9,pp.593-594,2016.

タイトルに関連する用語 (7件)： レーザー ,  地下鉄 ,  トンネル ,  変状 ,  層 ,  畳み込み ,  可視化