文献

J-GLOBAL ID：202102292050301232   整理番号：21A0234439

船舶コンテナ腐食検査のためのアンカーボックス最適化による最適化深層ニューラルネットワークアーキテクチャ【JST・京大機械翻訳】

Optimized Deep Neural Network Architectures with Anchor Box optimization for Shipping Container Corrosion Inspection

著者 (5件)： Bahrami Zhila (University of British Columbia,Department of Electrical Engineering,Kelowna,Canada) ,  Zhang Ran (University of British Columbia,Department of Electrical Engineering,Kelowna,Canada) ,  Rayhana Rakiba (University of British Columbia,Department of Electrical Engineering,Kelowna,Canada) ,  Wang Teng (University of British Columbia,Department of Electrical Engineering,Kelowna,Canada) ,  Liu Zheng (University of British Columbia,Department of Electrical Engineering,Kelowna,Canada)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： SSCI  ページ： 1328-1333  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ショッピングコンテナは,その運転寿命の間,船体の安全性を確実にすることによって,世界中の貨物を輸送する。コンテナが全年通過しているとき,それらは年齢と異なる気象条件にさらされる。したがって,コンテナは劣化と損傷を受けやすい。船舶コンテナの腐食表面はコンテナの表面で知られている最も重要な欠陥の1つであり,穴のような厳しい損傷をもたらして,より多くの努力とコストが修理に必要である。船舶コンテナ腐食検出のための既存の解決策は,時間を消費するコンテナを手動で検査するために,人間の専門家を必要とする目視検査に基づいている。この問題に取り組むために,この論文では,船舶コンテナの表面の腐食欠陥を自動的に検査するために,最適化された深いニューラルネットワークアーキテクチャを提案する。提案したアーキテクチャでは,Faster R-CNN,SSD-Mobileネット,およびSSD開始V2を含む深層ニューラルネットワークモデルを採用し,アンカボックス最適化で最適化して,腐食欠陥を検査し,それを船舶コンテナの表面上に局所化した。船舶容器上の腐食欠陥検査における深いニューラルネットワークの精度と速度を比較し,実験結果と比較した。実験結果は,深いニューラルネットワークとアンカボックス最適化の組合せが,船舶コンテナの表面の腐食を検出する際に,モデルの性能を改良することを示した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *最適化 ,  *腐食 ,  購買 ,  *コンテナ ,  *船舶 ,  *ニューラルネットワーク ,  欠陥検査 ,  気象条件 ,  貨物 ,  深層 ,  *計算機アーキテクチャ ,  肉眼検査
準シソーラス用語： 局在化 ,  ニューラルネットワークアーキテクチャ ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (3件)： 専用演算制御装置  (JC04030Y) ,  音声処理  (JE05000E) ,  符号理論  (ND02030R)

タイトルに関連する用語 (9件)： 船舶 ,  コンテナ ,  腐食 ,  検査 ,  アンカー ,  ボックス ,  最適化 ,  深層ニューラルネットワーク ,  アーキテクチャ