文献

J-GLOBAL ID：202202286683764701   整理番号：22A0327554

マルチ特徴融合ネットワークを用いた3Dデータに基づく高速舗装骨材劣化推定【JST・京大機械翻訳】

Rapid pavement aggregate gradation estimation based on 3D data using a multi-feature fusion network

著者 (10件)： Weng Zihang (The Key Laboratory of Road and Traffic Engineering, Ministry of Education, Tongji University, Shanghai, China) ,  Ablat Gulnigar (School of Transportation Science and Engineering, Beihang University, Beijing, China) ,  Wu Difei (The Key Laboratory of Road and Traffic Engineering, Ministry of Education, Tongji University, Shanghai, China) ,  Liu Chenglong (The Key Laboratory of Road and Traffic Engineering, Ministry of Education, Tongji University, Shanghai, China) ,  Liu Chenglong (Shanghai Engineering Research Center of Urban Infrastructure Renewal, Shanghai, China,) ,  Li Feng (School of Transportation Science and Engineering, Beihang University, Beijing, China) ,  Du Yuchuan (The Key Laboratory of Road and Traffic Engineering, Ministry of Education, Tongji University, Shanghai, China) ,  Du Yuchuan (Shanghai Engineering Research Center of Urban Infrastructure Renewal, Shanghai, China,) ,  Cao Jing (The Key Laboratory of Road and Traffic Engineering, Ministry of Education, Tongji University, Shanghai, China) ,  Cao Jing (Shanghai Engineering Research Center of Urban Infrastructure Renewal, Shanghai, China,)
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： 骨材分布が制御が困難であるが舗装性能に大きく影響するので,建設中の非破壊舗装骨材傾斜推定が必要である。本論文では,レーザスキャナにより収集した3Dデータを用いて,凝集体の傾斜を推定するため,残差畳込みニューラルネットワーク(ResNet)に基づくマルチ特徴融合ネットワークを提案した。10の幾何学パラメータと18の2Dウェーブレットパラメータを,ResNetの完全接続層に併合した。混合物の8つのカテゴリーを,データセットとして800のサンプル(訓練のための720と試験のための80)に分けた。提案したモデル(ResNet+MLP)は,他の分類器よりも8タイプ分類において,より良い(F1スコア=0.96)実行され,R二乗が0.86である凝集体の傾斜を推定するのに適用される。新しく構築した舗装に関する提案モデルの現場試験検証を行い,その実用性を証明した。本論文は,3D舗装テクスチャと凝集体傾斜分布の間の関連を確立して,舗装品質評価のために新しい方法を舗装した。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： 幾何学 ,  *ネットワーク ,  ニューラルネットワーク ,  特徴抽出 ,  *骨材 ,  残差 ,  *舗装 ,  二次元 ,  *三次元 ,  レーザスキャナ ,  凝集体
準シソーラス用語： 品質評価 ,  *三次元データ ,  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)： アスファルト舗装 ,  骨材劣化推定 ,  特徴抽出 ,  多特徴融合 ,  ニューラルネットワーク

分類 (3件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： マルチ ,  特徴融合 ,  3Dデータ ,  舗装 ,  骨材 ,  推定