文献

J-GLOBAL ID：202202210017925029   整理番号：22A0327590

環境音を用いた自動建設現場監視のための学習モデル【JST・京大機械翻訳】

A learning model for automated construction site monitoring using ambient sounds

著者 (2件)： Akbal Erhan (Department of Digital Forensics Engineering, College of Technology, Firat University, Elazig, Turkey) ,  Tuncer Turker (Department of Digital Forensics Engineering, College of Technology, Firat University, Elazig, Turkey)
資料名： Automation in Construction  (Automation in Construction)
巻： 134  ページ： Null  発行年： 2022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： 建設現場モニタリングは,建設現場における活動を解析して,測定して,監視する重要な作業であった。自動建設現場監視モデルを提示するために,多くの機械学習方法を文献において示した。本研究は,音を用いた自動活動同定と建設車両分類モデルの開発を目的とする。したがって,2つの環境音データセットを収集した。収集した音を分類するために新しい学習法を提案し,提案が特徴を抽出するためにプール関数を持つ二値および三成分パターンを使用するので,このモデルをBTPNet21と名づけた。反復近傍成分分析セレクタは最も重要な特徴を選択し,サポートベクトルマシンを分類器として利用した。著者らの提案は,連続的に収集した音データセットで99.45%と99.17%の精度率を達成した。これらの結果は,音響ベースの自動建設現場監視のための導入されたBTPNet21の成功を示した。Copyright 2022 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： 選別器 ,  *学習 ,  *学習モデル ,  分類 ,  *音響 ,  特徴抽出 ,  建設自動車 ,  *工事現場 ,  *モデル ,  機械学習 ,  サポートベクトルマシン
準シソーラス用語： *環境音 ,  成分分析 ,  分類モデル ,  *建設現場 , 【Automatic Indexing@JST】

著者キーワード (5件)： BTPNet21 ,  建設現場モニタリング ,  音響分類 ,  特徴抽出 ,  INCA

分類 (3件)： パターン認識  (JE07000S) ,  建設の機械化  (RA07020K) ,  音声処理  (JE05000E)

タイトルに関連する用語 (3件)： 環境音 ,  建設現場 ,  学習モデル