抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
・鉄道設備の保守・改良工事後に,軌道内の落下物による事故防止を目的に,落下物の確認作業の自動化のために,カメラを用いた画像処理により,深層学習を用いた軌道内の落下物検出技術の開発。
・本手法では,多くの深層学習のネットワーク構造の中でも,画像物体認識分野で実績のあるAlexらの提案によるネットワーク構造(AlexNet)の利用。
・本手法では,AlexNetの畳み込み層で得られる4096次元のベクトルを入力として,3層から成る全結合層を新たに学習させた。
・精度検証として,日中に軌道内の正常画像と異常画像の撮影により検証を実施,データ数は正常画像と異常画像を合わせて26,562枚用意,学習回数と識別精度の関係を紹介。
・学習回数300回周辺で識別精度の収束が見られ,学習データで99.7%,評価用データで99.3%の識別精度の取得。