文献

J-GLOBAL ID：201902251603538194   整理番号：19A2117128

深い畳込みニューラルネットワークと適応しきい値処理を用いた道路亀裂検出【JST・京大機械翻訳】

Road Crack Detection Using Deep Convolutional Neural Network and Adaptive Thresholding

著者 (8件)： Fan Rui (Robotics and Multi-Perception Laboratory, Robotics Institute, the Hong Kong University of Science and Technology, Hong Kong) ,  Bocus Mohammud Junaid (Visual Information Institute, University of Bristol, Bristol, United Kingdom) ,  Zhu Yilong (Unity-Drive Technology Inc, Shenzhen, China) ,  Jiao Jianhao (Robotics and Multi-Perception Laboratory, Robotics Institute, the Hong Kong University of Science and Technology, Hong Kong) ,  Wang Li (National Engineering Research Center of Road Maintenance Technologies, Beijing, China) ,  Ma Fulong (Unity-Drive Technology Inc, Shenzhen, China) ,  Cheng Shanshan (National Engineering Research Center of Road Maintenance Technologies, Beijing, China) ,  Liu Ming (Robotics and Multi-Perception Laboratory, Robotics Institute, the Hong Kong University of Science and Technology, Hong Kong)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： IV  ページ： 474-479  発行年： 2019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： 亀裂は,道路安全性災害を引き起こす可能性がある最も一般的な道路変形のひとつであった。一般的に,亀裂検出は認証された検査者か構造技術者のどちらかによって実行される。しかし,この作業は時間がかかり,主観的で,労働集約的である。本論文では,深い学習と適応画像セグメンテーションに基づく新しい道路亀裂検出アルゴリズムを提案した。最初に,画像が亀裂を含むか否かを決定するために,深い畳込みニューラルネットワークを訓練した。次に,亀裂を含む画像を,両側フィルタリングを用いて平滑化し,そしてそれは,雑音画素の数を大いに最小化した。最後に,亀裂を,適応閾値法を用いて道路表面から抽出した。実験結果は,著者らのネットワークが99.92%の精度で画像を分類することができることを例示して,提案した閾値化アルゴリズムを用いて画像から亀裂を首尾よく抽出することができた。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 集中化 ,  検査員 ,  フィルタリング ,  雑音 ,  *道路 ,  画素 ,  *ネットワーク ,  平滑化 ,  アルゴリズム ,  *亀裂 ,  画像
準シソーラス用語： 検出アルゴリズム ,  画像セグメンテーション ,  *亀裂検出 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 畳込みニューラルネットワーク ,  適応しきい値 ,  道路 ,  亀裂検出