文献

J-GLOBAL ID：202102230565005663   整理番号：21A2174446

空間周波数および深層学習に基づく機械学習による視程レベル推定-特徴選択手法による空間周波数の選択効果-

VISIBILITY ESTIMATION VIA SPATIAL FREQUENCY AND DEEP LEARNING-BASED MACHINE LEARNING-AFFECTION OF FEATURE SELECTION IN SPATIAL FREQUENCY-BASED FEATURES-

著者 (3件)： 高橋翔 (北大 大学院工学研究院) ,  河田祥太朗 (北大 大学院工学院) ,  萩原亨 (北大 大学院工学研究院)
資料名： 土木計画学研究・講演集(CD-ROM)  (土木計画学研究発表会・講演集(CD-ROM))
巻： 63  ページ： ROMBUNNO.61-1  発行年： 2021年05月24日 
JST資料番号： X0119B  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)

抄録/ポイント： 本稿では,画像の空間周波数および深層学習から算出する複数の画像特徴に基づいて視程レベルを推定する手法に対して,mRMRアルゴリズムを導入するより高精度な視程レベル推定手法を提案する.mRMRアルゴリズムは,画像などのデータの識別において有効性が知られている特徴選択手法であり,本稿では,これを空間周波数に基づいて求める特徴量に適用することで,冗長性が最小,かつ関連性が最大となる画像特徴量による視程レベル推定を可能とする.本稿の最後では,実際のCCTVで撮影された道路の画像を用いた実験によって,提案手法による視程レベルの推定精度が向上することを確認する.本稿で提案する手法によって,積雪寒冷地の冬期道路で見られる吹雪などによる視程障害を精度よく検知可能とすることで,交通事故のリスク低減につながることを期待する.(著者抄録)

シソーラス用語： *機械学習 ,  *空間周波数 ,  *可視度 ,  専用テレビジョン ,  特徴選択 ,  *深層学習
準シソーラス用語： CCTV ,  *可視性

分類 (1件)： 自動車事故,交通安全  (TB01050G)

引用文献 (11件)：

• 竹内政夫:冬の視界不良の発生要因と構造,雪氷研究大会,2014.
• T. Hagiwara, Y. Ota, Y. Kaneda, Y. Nagata and K. Araki : Method of processing closed-circuit television digital images for poor visibility identification, Transportation Research Records: Journal of the Transportation Research Board, 1973, pp. 95-104, 2006.
• V. Vaibhav, K. R. Konda, C. Kondapalli, K. Praveen and B. Kondoju : Real-time fog visibility range estimation for autonomous driving applications,′′ 2020 IEEE 23rd International Conference on Intelligent Transportation Systems (ITSC), pp. 1-6, 2020.
• 北村啓太朗, 千葉有咲, 落合達也, 西村晋也:AI 画像判別を用いた冬期視程障害の予測に関する検討, 雪氷研究大会, 2019.
• S. Kawata, S. Takahashi and T. Hagiwara : An Estimation Method of Visibility Level on Winter Road Based on Multiple Features in CCTV Images, IEEE International Conference on Consumer Electronics - Taiwan (ICCE-Taiwan 2020), 2020.

タイトルに関連する用語 (7件)： 空間周波数 ,  深層学習 ,  機械学習 ,  視程 ,  推定 ,  特徴選択 ,  手法