文献

J-GLOBAL ID：202102276239827513   整理番号：21A0464123

深層学習に基づく地中レーダを用いた都市道路地下目標の知的検出【JST・京大機械翻訳】

Intelligent Detection of Urban Road Underground Targets by Using Ground Penetrating Radar based on Deep Learning

著者 (4件)： Gao Yao (School of Information Engineer, Chang’an University, Middle-section of Nan’er Huan Road, Xi’an, China) ,  Pei Lili (School of Information Engineer, Chang’an University, Middle-section of Nan’er Huan Road, Xi’an, China) ,  Wang Sa (School of Information Engineer, Chang’an University, Middle-section of Nan’er Huan Road, Xi’an, China) ,  Li Wei (School of Information Engineer, Chang’an University, Middle-section of Nan’er Huan Road, Xi’an, China)
資料名： Journal of Physics: Conference Series  (Journal of Physics: Conference Series)
巻： 1757  号： 1  ページ： 012081 (7pp)  発行年： 2021年 
JST資料番号： W5565A  ISSN： 1742-6588  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 地中レーダ(GPR)は,電磁波反射機構に基づく非破壊検出法のため,インテリジェント道路検出の分野で広く用いられている。しかし,この方法は大規模データ処理を必要とし,手動判断にも依存し,時間がかかり,労力がかかる。この問題を解決するため,本論文は,地下パイプラインのGPR画像と道路表面測定と実験室試験による都市道路の不均等な沈下を分析し,研究する。レーダ画像データセットを,レーダ画像と雑音除去を収集して,それらをマーキングすることによって構築する。次に,深い特徴選択ネットを採用して,高速領域ベースの畳込みニューラルネットワーク(Faster R-CNN)を改良して,レーダ画像から特徴を抽出するネットワークの能力を強化した。最後に,改良高速R-CNNモデルと比較して,地下パイプラインの自動同定率と都市道路における不均等沈下は増加し,80%以上に達することが分かった。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ネットワーク ,  *道路 ,  路面 ,  マーキング ,  *都市 ,  電磁波反射 ,  特徴選択 ,  非破壊検査 ,  レーダ画像 ,  *地中レーダ ,  雑音除去
準シソーラス用語： 実験室試験 ,  *深層学習 ,  大規模データ ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： レーダ  (ND13010H)

タイトルに関連する用語 (6件)： 深層学習 ,  地中レーダ ,  都市 ,  道路 ,  地下 ,  目標