文献

J-GLOBAL ID：202202212199065891   整理番号：22A0921963

クリーンな都市雨水のためのごみ蓄積を定量化するための深層学習モデルの使用【JST・京大機械翻訳】

Using a deep learning model to quantify trash accumulation for cleaner urban stormwater

著者 (6件)： Conley Gary (2NDNATURE, 500 Seabright Avenue, Santa Cruz, California 95062, USA) ,  Zinn Stephanie Castle (Fuscoe Engineering, 16795 Von Karman, Suite 100, Irvine, California 92606, USA) ,  Hanson Taylor (Fuscoe Engineering, 16795 Von Karman, Suite 100, Irvine, California 92606, USA) ,  McDonald Krista (2NDNATURE, 500 Seabright Avenue, Santa Cruz, California 95062, USA) ,  Beck Nicole (2NDNATURE, 500 Seabright Avenue, Santa Cruz, California 95062, USA) ,  Wen Howard (Fuscoe Engineering, 16795 Von Karman, Suite 100, Irvine, California 92606, USA)
資料名： Computers, Environment and Urban Systems  (Computers, Environment and Urban Systems)
巻： 93  ページ： Null  発行年： 2022年 
JST資料番号： H0226B  ISSN： 0198-9715  CODEN： CEUSD5  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： 世界中の水生生息場所に対するトラッシュ影響の理解を深めることにより,都市は,地方の水路と海洋へのトラッシュ入力を低減するための規制要求をますます直面するが,それらは,トラッシュ低減有効性を優先し,測定するための不十分なモニタリングデータにしばしば依存している。著者らは,都市交通監視をよりコスト効率が高く,都市の重要な情報ニーズで集めたデータを整列させるように設計したアプローチを提示する。車両搭載カメラと深い畳み込みニューラルネットワークモデルを用いて路側沿いの都市路面蓄積を定量化し,捕捉された画像におけるトラッシュを同定した。著者らは,2つのCaliforniaCityにおける84の道路セグメントに沿って収集したデータを用いて,91%の再現率,83%の正確性,および77%の正確性を達成する最良の性能モデル(Mask R-CNN)を有する3つの異なるモデルの路面検出性能を比較した。Trash検出モデル出力を統計的モデルにより解釈し,トラッシュとして特定された画像ピクセルの割合を,測定したトラッシュ容積と関係づけた。結果として得られたモデル推定値は,路側で収集した測定したトラッシュ容積における変動の67%を説明し,それは歩行視覚評価によって説明される分散の2倍以上であった。視覚評価と比較して,非常に効率的なデータ収集により,深層学習ベースモニタリング手法は,都市交通源の理解,時間変化,および雨水規制要求とのコスト効果的なコンプライアンスの理解に,より強力な基礎を提供することができる。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： カメラ ,  都市交通 ,  道路 ,  路面 ,  *都市 ,  コンプライアンス ,  海洋 ,  画素 ,  水路 ,  *モデル ,  生息場所 ,  データ収集 ,  機械学習
準シソーラス用語： *深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 都市ゴミ ,  ごみ ,  雨水 ,  機械学習 ,  マスクR-CNN

分類 (1件)： 都市交通  (TA01020W)

タイトルに関連する用語 (7件)： 都市 ,  雨水 ,  ごみ ,  蓄積 ,  定量化 ,  深層学習 ,  モデル