文献

J-GLOBAL ID：202202259389296607   整理番号：22A0203949

マルチターゲット少数ショット舗装損傷分類のための深層計量学習【JST・京大機械翻訳】

Deep Metric Learning-Based for Multi-Target Few-Shot Pavement Distress Classification

著者 (5件)： Dong Hongwen (School of Mechanical Engineering and Automation and Key Laboratory of Vibration and Control of Aero-Propulsion Systems, Ministry of Education of China, Northeastern University, Shenyang, China) ,  Song Kechen (School of Mechanical Engineering and Automation and Key Laboratory of Vibration and Control of Aero-Propulsion Systems, Ministry of Education of China, Northeastern University, Shenyang, China) ,  Wang Qi (School of Mechanical Engineering and Automation and Key Laboratory of Vibration and Control of Aero-Propulsion Systems, Ministry of Education of China, Northeastern University, Shenyang, China) ,  Yan Yunhui (School of Mechanical Engineering and Automation and Key Laboratory of Vibration and Control of Aero-Propulsion Systems, Ministry of Education of China, Northeastern University, Shenyang, China) ,  Jiang Peng (Department of Liaoning ATS Intelligent Transportation Technology Company Ltd., Shenyang, China)
資料名： IEEE Transactions on Industrial Informatics  (IEEE Transactions on Industrial Informatics)
巻： 18  号： 3  ページ： 1801-1810  発行年： 2022年 
JST資料番号： W1434A  ISSN： 1551-3203  CODEN： ITIICH  資料種別： 逐次刊行物 (A)
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： 舗装苦痛検出は,道路保全と道路安全性を確保するために非常に重要である。現在,深い学習に基づく検出法は,関連分野で優れた性能を達成した。しかし,これらの方法は大規模な訓練サンプルを必要とする。舗装苦痛検出のために,舗装苦痛によるより多くの画像を収集することは困難であり,舗装疾患のタイプは,時間とともに増加して,そこで,管理した深いモデルを訓練するために十分な舗装苦痛サンプルを確実にすることは不可能であった。本論文では,いくつかのラベル付きサンプルから新しいカテゴリーを効果的に学習できるメトリック学習に基づく新しい少数ショット舗装 distress迫検出法を提案した。本論文では,バックエンドネットワーク(ResNet18)を採用して,ベースクラスからマルチレベル特徴情報を抽出し,次に抽出した特徴をメトリックモジュールに送る。計量モジュールにおいて,著者らは「what」と「どこか」の特徴属性を学ぶために注意機構を導入して,望ましい特性に関してモデルに焦点を合わせた。また,同じカテゴリー間の距離を最小化しながら,異なるカテゴリー間の距離を最大化するために新しいメトリック損失関数を導入した。テスト段階において,著者らは,新しいカテゴリー検出を完了するために,サポート集合とクエリ集合の間の余弦類似性を計算した。実験結果は,提案した方式が舗装苦痛データセット(それぞれ5方向1ショットと5ウェイ5ショットの分類精度が77.20%と87.28%)に関して,いくつかのベンチマーク方法を著しく上回ることを示した。Copyright 2022 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： *学習 ,  損失関数 ,  保全 ,  道路 ,  *舗装 ,  検出法 ,  粒状材 ,  類似性 ,  深層 ,  ベンチマーク
準シソーラス用語： 分類精度 ,  クエリー ,  ホップ数 ,  メトリック学習 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： マルチターゲット ,  ショット ,  舗装損傷 ,  分類 ,  深層 ,  計量 ,  学習