文献

J-GLOBAL ID：202002214735414123   整理番号：20A1758130

壁劣化検出のためのマルチパスCNNの学習【JST・京大機械翻訳】

Learning multi-path CNN for mural deterioration detection

著者 (11件)： Huang Rui (School of Computer Science and Technology, Tianjin University, Tianjin, China) ,  Huang Rui (Key Research Center for Surface Monitoring and Analysis of Cultural Relics, State Administration of Cultural Heritage, Beijing, China) ,  Huang Rui (School of Computer Science and Technology, Civil Aviation University of China, Tianjin, China) ,  Feng Wei (School of Computer Science and Technology, Tianjin University, Tianjin, China) ,  Feng Wei (Key Research Center for Surface Monitoring and Analysis of Cultural Relics, State Administration of Cultural Heritage, Beijing, China) ,  Fan Mingyuan (School of Computer Science and Technology, Tianjin University, Tianjin, China) ,  Fan Mingyuan (Key Research Center for Surface Monitoring and Analysis of Cultural Relics, State Administration of Cultural Heritage, Beijing, China) ,  Guo Qing (School of Computer Science and Technology, Tianjin University, Tianjin, China) ,  Guo Qing (Key Research Center for Surface Monitoring and Analysis of Cultural Relics, State Administration of Cultural Heritage, Beijing, China) ,  Sun Jizhou (School of Computer Science and Technology, Tianjin University, Tianjin, China) ,  Sun Jizhou (Key Research Center for Surface Monitoring and Analysis of Cultural Relics, State Administration of Cultural Heritage, Beijing, China)
資料名： Journal of Ambient Intelligence and Humanized Computing  (Journal of Ambient Intelligence and Humanized Computing)
巻： 11  号： 8  ページ： 3101-3108  発行年： 2020年 
JST資料番号： W4517A  ISSN： 1868-5137  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 壁劣化は,貴重な塗装を容易に破壊し,予防保護のために頻繁にモニターしなければならない。壁画像における劣化検出はしばしば手動でラベル付けされ,壁保護と修復のための前処理ステップである。多くの劣化形式は,壁劣化が材料およびプラスタ層の変化によって引き起こされるので,1つの照明条件だけで一般に見えない。本研究では,入力として複数の照明を持つシーンの画像を撮影し,劣化領域を示す二値マップを生成する多経路畳込みニューラルネットワーク(CNN)による壁劣化検出に取り組んだ。7つの経路を光画像から基本特徴抽出のために利用する8経路CNNを設計し,残りの経路は交差特徴融合の原因となる。この機構は,異なる照明に対する適切な特徴を同定するだけでなく,クロス特徴融合を通して協調的にこれらの特徴を利用することができる。さらに,洞窟劣化をシミュレートする実世界壁劣化とブリケットの2つの現実的な壁劣化データセットを構築した。大規模な実験は,著者らの方法の有効性と効率性を証明した。Copyright Springer-Verlag GmbH Germany, part of Springer Nature 2017 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 前処理 ,  照明条件 ,  特徴抽出 ,  洞窟 ,  *プラスタ ,  予防 ,  ブリケット ,  有効性
準シソーラス用語： 壁画 ,  多経路 ,  劣化検出 ,  特徴融合 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： 複数劣化検出 ,  多入力最大融合マルチパスCNN ,  高密度CRF

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 劣化検出 ,  マルチパス ,  CNN ,  学習