文献

J-GLOBAL ID：202102256559878198   整理番号：21A1798582

表面亀裂検出のための半教師つきセマンティックセグメンテーションネットワーク【JST・京大機械翻訳】

Semi-supervised semantic segmentation network for surface crack detection

著者 (2件)： Wang Wenjun (College of Water Conservancy and Hydropower Engineering, Hohai University, Nanjing 210098, China) ,  Su Chao (College of Water Conservancy and Hydropower Engineering, Hohai University, Nanjing 210098, China)
資料名： Automation in Construction  (Automation in Construction)
巻： 128  ページ： Null  発行年： 2021年 
JST資料番号： W0491A  ISSN： 0926-5805  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： 表面亀裂の検出は,土木インフラストラクチャの安全性とサービス性を確実にするのに不可欠である。自動方法は,非常に効率的で,試験結果は,客観的であり,そして,それは,徐々に,発明マニュアル検査を取り替える。最近,深い学習に基づくセマンティックセグメンテーションアルゴリズムは,亀裂検出タスクにおいて優れた性能を示した。しかし,一般的に使用される完全教師つきセグメンテーション法は大量のデータの手動アノテーションを必要とし,それは時間がかかる。この問題を解決するために,亀裂検出のための半教師つき意味セグメンテーションネットワークを提案した。提案方法は,学生モデルと教師モデルから成る。2つのモデルは,同じネットワーク構造を持ち,マルチスケール亀裂特徴情報を抽出するために,効率的UNetを使用して,画像情報の損失を減らした。学生モデルは損失関数の勾配降下を通して重みを更新し,教師モデルは学生モデルの指数関数的移動平均重みを使用する。訓練の間,モデルのロバスト性を入力データにノイズを加えることによって改良した。注釈付データの60%だけを使用するとき,著者らの方法は,コンクリート亀裂データセットに関して0.6540のF1スコアと亀裂500データセットに関して0.8321を達成した。結果は,著者らの方法が高精度を維持しながらアノテーションの作業負荷を大いに減らすことができることを示した。Copyright 2021 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 ,  *亀裂 ,  雑音 ,  *セグメンテーション ,  損失関数 ,  *ネットワーク ,  コンクリート ,  指数関数 ,  画素 ,  ネットワーク構造 ,  インフラストラクチャー ,  *表面亀裂 ,  ロバスト性 ,  アノテーション
準シソーラス用語： マルチスケール , 【Automatic Indexing@JST】

著者キーワード (5件)： 深層学習 ,  畳込みニューラルネットワーク ,  半教師つきネットワーク ,  亀裂検出 ,  ピクセルごとのセグメンテーション

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 亀裂検出 ,  教師 ,  セマンティックセグメンテーション