極端な事象によるインフラストラクチャーにおける損傷の自動検出に関する深層学習法の工学【JST・京大機械翻訳】

Bai Yongsheng; Zha Bing; Sezen Halil; Yilmaz Alper

プレプリント

J-GLOBAL ID：202202204534330463 整理番号：22P0344270

極端な事象によるインフラストラクチャーにおける損傷の自動検出に関する深層学習法の工学【JST・京大機械翻訳】

Engineering deep learning methods on automatic detection of damage in infrastructure due to extreme events

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年05月01日プレプリントサーバーでの情報更新日： 2022年05月01日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本論文では,2D画像を処理するための深層学習法を用いて,極端事象における自動構造損傷検出(SDD)のためのいくつかの包括的な実験的研究を提示した。最初の研究では,152層残差ネットワーク(ResNet)を利用して,8つのSDDタスクにおける多重クラスを分類し,それはシーンレベル,損傷レベル,材料タイプなどの同定を含む。提案したResNetは各タスクに対して高精度を達成したが,損傷の位置は同定できなかった。第2の研究では,既存のResNetとセグメンテーションネットワーク(U-Net)を,構造損傷を分類し,位置決めするために,新しいパイプライン,カスケードネットワークに結合させた。結果は,損傷検出の精度が,セグメンテーションネットワークだけを用いた場合と比較して,著しく改善されることを示した。第3および第4の研究では,最近の大地震の画像収集における亀裂およびスポーリングを直接検出する新しい解決策として,エンドツーエンドネットワークを開発し,試験した。提案ネットワークの一つは,様々なスケールと解像度ですべてのテスト画像に対して67.6%以上の精度を達成し,これらの人間フリー検出タスクに対するロバスト性を示した。予備現場研究として,提案した方法を適用して,その進行性崩壊性能を研究するために試験したコンクリート構造における損傷を検出した。実験は,深層学習法を用いた構造損傷の自動検出のためのこれらの解が実行可能で有望であることを示した。訓練データセットとコードは,本論文の出版に関して公開のために利用可能になった。【JST・京大機械翻訳】

, , , , , , , , , , , , , ,
, 【Automatic Indexing@JST】

人工知能 , 炭素とその化合物 , ゴム・プラスチック材料試験 , 図形・画像処理一般 , 強化プラスチックの成形

, , , , ,

前のページに戻る