文献

J-GLOBAL ID：202202289163952202   整理番号：22A0097515

生成敵対ネットワークを用いた実画像から識別可能な超音波画像の生成【JST・京大機械翻訳】

Generating ultrasonic images indistinguishable from real images using Generative Adversarial Networks

著者 (5件)： Posilovic Luka (University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, Croatia) ,  Medak Duje (University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, Croatia) ,  Subasic Marko (University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, Croatia) ,  Budimir Marko (INETEC Institute for Nuclear Technology, Zagreb, Croatia) ,  Loncaric Sven (University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, Croatia)
資料名： Ultrasonics  (Ultrasonics)
巻： 119  ページ： Null  発行年： 2022年 
JST資料番号： C0379B  ISSN： 0041-624X  CODEN： ULTRA3  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： 超音波イメージングは,様々な産業応用における非破壊評価に広く使用されている。材料の欠陥の早期検出は,検査された構造の健全性を維持するための鍵である。現在,超音波データに関する自動欠陥検出のためのモデルを開発する試みがいくつかある。これらのモデルの性能を押し出すためには,深い畳み込みニューラルネットワークを訓練するためにさらに多くのデータが必要である。人間の専門家の訓練には多くのデータが必要である。しかし,訓練のための十分な量のデータを収集することは,実際の検査シナリオにおける欠陥のまれな発生のため,挑戦である。これは検査結果が検査者の以前の経験に大きく依存している理由である。これらの課題を克服するために,現実的な超音波画像を生成するために,Generative Adversarialネットワークの使用を提案した。知る限りでは,本研究は,Generative Adversarial Networkが実際の超音波画像から識別できない画像を生成することができることを示す最初のものである。生成された超音波画像の今日までの,最も完全な統計的品質解析を,ヒトエキスパート検査員の参加により実施した。実験結果は,著者らのGenerative Adversarial Networkを用いて生成された画像が,他の公開された方法と比較して,最高の品質画像を提供することを示した。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： *超音波 ,  *ネットワーク ,  故障検出 ,  検査員 ,  *超音波画像 ,  健全性
準シソーラス用語： 非破壊評価 ,  産業応用 ,  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)： 非破壊検査 ,  超音波試験 ,  合成データ生成 ,  生成敵対ネットワーク ,  深層学習

分類 (1件)： 音響信号処理  (BB03050C)

タイトルに関連する用語 (3件)： 敵対 ,  識別 ,  超音波画像