文献

J-GLOBAL ID：201902283719598966   整理番号：19A2080363

Deep Learningを用いた建物被害写真による損傷度自動分類精度の地域差

著者 (3件)： 中野秀洋 (北大 大学院工学院) ,  中嶋唯貴 (北大 大学院工学研究院) ,  岡田成幸 (北大 広域複合災害研究セ)
資料名： 日本建築学会大会学術講演梗概集・建築デザイン発表梗概集(CD-ROM)  (日本建築学会大会建築デザイン発表梗概集(CD-ROM))
巻： 2019  ページ： ROMBUNNO.21297  発行年： 2019年07月20日 
JST資料番号： S0745D  ISSN： 1883-9363  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

本文一部表示： 1.はじめに.地震後の被災地域における建物被害判定は直後対応・復旧戦略のための必須情報であり、同時に被災者には安全/危険の判断かつ罹災証明の根拠となる生命・生活維持重要情報であるが、その判定は専門家に委ねられており多くの人手と時間を要してい...【本文一部表示】

シソーラス用語： 機械学習 ,  *ニューラルネットワーク ,  画像技術 ,  *写真像 ,  損害 ,  建築物 ,  特性曲線 ,  耐震性 ,  自動分類 ,  画像処理システム ,  建築構造 ,  評価 ,  損傷 ,  *震災 ,  損傷評価
準シソーラス用語： *CNN ,  写真画像 ,  損傷度 ,  損傷度評価

著者キーワード (6件)： Deep Learning ,  D-Level ,  北海道胆振東部地震 ,  熊本地震 ,  新潟県中越沖地震 ,  能登半島地震

分類 (2件)： 自然災害  (RA02030M) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 建物被害 ,  写真 ,  損傷度 ,  自動分類 ,  地域差