文献

J-GLOBAL ID：202202210576355114   整理番号：22A0434346

コンクリートダムのパッチレベル亀裂分類と弱教師つき局所化のための移動学習による深い残差ニューラルネットワークフレームワーク【JST・京大機械翻訳】

A deep residual neural network framework with transfer learning for concrete dams patch-level crack classification and weakly-supervised localization

著者 (16件)： Li Yangtao (State Key Laboratory of Hydrology-Water Resources and Hydraulic Engineering, Hohai University, Nanjing 210024, China) ,  Li Yangtao (College of Water Conservancy and Hydropower Engineering, Hohai University, Nanjing 210024, China) ,  Bao Tengfei (State Key Laboratory of Hydrology-Water Resources and Hydraulic Engineering, Hohai University, Nanjing 210024, China) ,  Bao Tengfei (College of Water Conservancy and Hydropower Engineering, Hohai University, Nanjing 210024, China) ,  Bao Tengfei (College of Hydraulic & Environmental Engineering, China Three Gorges University, Yichang 443002, China) ,  Xu Bo (College of Hydraulic Science and Engineering, Yangzhou University, Yangzhou 225009, China) ,  Shu Xiaosong (State Key Laboratory of Hydrology-Water Resources and Hydraulic Engineering, Hohai University, Nanjing 210024, China) ,  Shu Xiaosong (College of Water Conservancy and Hydropower Engineering, Hohai University, Nanjing 210024, China) ,  Zhou Yuhang (State Key Laboratory of Hydrology-Water Resources and Hydraulic Engineering, Hohai University, Nanjing 210024, China) ,  Zhou Yuhang (College of Water Conservancy and Hydropower Engineering, Hohai University, Nanjing 210024, China) ,  Du Ye (State Key Laboratory of Hydrology-Water Resources and Hydraulic Engineering, Hohai University, Nanjing 210024, China) ,  Du Ye (College of Water Conservancy and Hydropower Engineering, Hohai University, Nanjing 210024, China) ,  Wang Ruijie (State Key Laboratory of Hydrology-Water Resources and Hydraulic Engineering, Hohai University, Nanjing 210024, China) ,  Wang Ruijie (College of Water Conservancy and Hydropower Engineering, Hohai University, Nanjing 210024, China) ,  Zhang Kang (State Key Laboratory of Hydrology-Water Resources and Hydraulic Engineering, Hohai University, Nanjing 210024, China) ,  Zhang Kang (College of Water Conservancy and Hydropower Engineering, Hohai University, Nanjing 210024, China)
資料名： Measurement  (Measurement)
巻： 188  ページ： Null  発行年： 2022年 
JST資料番号： W0315B  ISSN： 0263-2241  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： 外部および環境負荷の連続サイクルの下で,ダム構造の材料特性は必然的に劣化し,様々な構造欠陥がしばしば発生する。それらの中で,亀裂は最も脅威のある構造疾患の1つであり,それは広範な研究注目を喚起した。高い効率と精度を有するこれらの構造亀裂の同定は,ダムの補強と国家インフラストラクチャ投資の維持にとって非常に重要である。本論文は,深い残差ニューラルネットワークと移動学習に基づくコンクリートダムにおける構造亀裂のための自動分類と弱い監督した位置確認パラダイムを提案した。ImageNetチャレンジに触発されて,本論文では,まず,様々なタイプの土木インフラストラクチャから収集された亀裂を含む構造亀裂画像Netを提案した。構造亀裂画像と自然画像間の差異を考慮して,組合せ2段階移動学習戦略を提案した。特に,ImageNet上の事前訓練モデルのより多くの畳込み層は,提案構造ImageNet上で非凍結で微調整される。モデル解釈可能性を改善するために,勾配加重クラス活性化マッピング(Grad-CAM)アプローチを利用して,洗練された手動データアノテーションに頼らず,アーチダム上の根底にある表面亀裂を分類し,弱く監督した。実験結果は,提案したフレームワークが,強い環境背景推論条件の下で,洗練された手動アノテーションに頼らず,高精度と再現で,コンクリートダムの構造亀裂を効果的に同定できることを示した。提案したフレームワークは,コンクリートダム構造欠陥のリアルタイム検出と位置確認を実現するための画像取得装置を備えている。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： *亀裂 ,  畳込み ,  *学習 ,  自動分類 ,  投資 ,  *ニューラルネットワーク ,  *残差 ,  アーチダム ,  *コンクリートダム ,  *ダム ,  凍結 ,  土木工学 ,  インフラストラクチャー ,  環境影響 ,  アノテーション

著者キーワード (6件)： 構造ヘルスモニタリング ,  自動検査 ,  画像ベース ,  転移学習 ,  亀裂分類 ,  ResNet

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  非破壊試験  (HB02030F)

タイトルに関連する用語 (8件)： コンクリートダム ,  パッチ ,  亀裂 ,  分類 ,  教師 ,  局所化 ,  学習 ,  残差