文献

J-GLOBAL ID：202002257780477819   整理番号：20A2065013

深層特徴表現の学習によるシールドトンネルの水漏れ画像認識【JST・京大機械翻訳】

Water leakage image recognition of shield tunnel via learning deep feature representation

著者 (3件)： Xiong Leijin (Key Laboratory of Urban Underground Engineering of Ministry of Education, Beijing Jiaotong University, Beijing 100044, China) ,  Zhang Dingli (Key Laboratory of Urban Underground Engineering of Ministry of Education, Beijing Jiaotong University, Beijing 100044, China) ,  Zhang Yu (Key Laboratory of Urban Underground Engineering of Ministry of Education, Beijing Jiaotong University, Beijing 100044, China)
資料名： Journal of Visual Communication and Image Representation  (Journal of Visual Communication and Image Representation)
巻： 71  ページ： Null  発行年： 2020年 
JST資料番号： W0218A  ISSN： 1047-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 都市地下鉄の開発によって,シールドトンネルの構造疾患に関する研究は,特に漏れ水疾患,最新の研究題目になった。深層学習ベースアルゴリズムは,画像分類,画像認識または画像検索のような画像処理領域において印象的な性能を示した。本論文では,深層学習アルゴリズムに基づくシールドトンネルの水漏れ疾患に対する新しい画像認識アルゴリズムを提案した。水漏れ画像は6つのカテゴリーに分類され,その各々は画像認識のための深い表現を抽出する。提案手法の有効性を示すために,Otsuアルゴリズム(OA),領域成長アルゴリズム(RGA),および流域アルゴリズム(WA)と提案手法を比較した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  都市 ,  画像処理 ,  水漏れ ,  深層 ,  有効性 ,  画像検索 ,  学習アルゴリズム ,  *シールドトンネル ,  *画像認識
準シソーラス用語： 画像分類 ,  認識アルゴリズム ,  流域法 ,  *特徴表現 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： シールドトンネル ,  水漏れ ,  深層学習 ,  画像認識

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 深層 ,  特徴表現 ,  学習 ,  シールドトンネル ,  水漏れ ,  画像認識