文献

J-GLOBAL ID：202302239303353421   整理番号：23A1767406

データ横断型対照学習を用いた道路構造物における変状画像の劣化レベル分類

DEGRADATION DEGREE ESTIMATION OF DISTRESS IMAGE IN ROAD INFRASTRUCTURE USING MULTI-DATASET CONTRASTIVE LEARNING

著者 (5件)： 東孝明 (北海道大学大学院情報科学院 情報科学専攻) ,  小川直輝 (北海道大学大学院情報科学院 情報科学専攻) ,  前田圭介 (北海道大学 大学院情報科学研究院 メディアネットワーク部門) ,  小川貴弘 (北海道大学 大学院情報科学研究院 メディアネットワーク部門) ,  長谷山美紀 (北海道大学 大学院情報科学研究院 メディアネットワーク部門)
資料名： AI・データサイエンス論文集(Web)  (Artificial Intelligence and Data Science (Web))
巻： 4  号： 2  ページ： 44-57(J-STAGE)  発行年： 2023年 
JST資料番号： U2325A  ISSN： 2435-9262  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 道路構造物の変状を撮影した画像を用いた変状の進行度(劣化レベル)の分類では,学習に必要な変状画像とその劣化レベルを示すラベルのペアの総数に限りがあることが分類精度低下の一因となっている.ここで,他の構造物の変状を撮影したオープンデータセットの活用による精度向上が期待されるが,これらの画像には道路構造物と同様のラベルが付与されていない.そこで,我々はラベルの有無に依存せず画像間の類似性に注目する対照学習を導入することで,複数のデータセットの活用を可能とする.対照学習により獲得されたモデルのパラメータを,劣化レベル分類モデルの学習の初期パラメータに設定することで,最終的な劣化レベル分類の高精度化を実現する.本稿の最後では,実際の変状画像を用いた実験により提案手法の有効性を検証する.(著者抄録)

シソーラス用語： *構造物 ,  変化 ,  *類似性 ,  劣化 ,  精度 ,  データ ,  ラベル付け【画像】 ,  *点検 ,  金属腐食 ,  ニューラルネットワーク ,  学習モデル ,  亀裂 ,  機械学習 ,  鉄筋腐食 ,  *道路構造物 ,  教師付き機械学習
準シソーラス用語： CNN ,  オープンデータ ,  ひび割れ ,  *画像類似性 ,  教師あり機械学習 ,  形状変化 ,  経年劣化 ,  分類精度 ,  *変状 ,  *有効性確認

著者キーワード (5件)： degradation degree estimation ,  distress image ,  infrastructure ,  contrastive learning ,  mulit-dataset

分類 (2件)： 人工知能  (JE08000Z) ,  道路工学一般  (RC08010M)

引用文献 (29件)：

• 1) M.R.W. Australia: Road maintenance: Issues and directions, Main Roads Western Australia: Perth, 1996.
• 2) American Association of State Highway and Transportation Officials: Bridging the gap: Restoring and rebuilding the nation’s bridges, 2008.
• 3) 国土交通省:令和4年版 国土交通白書, 2022, from https://www.mlit.go.jp/hakusyo/mlit/r03/hakusho/r04/pdfindex.html, (accessed 2022-11-01).
• 4) Krizhevsky, A., Sutskever, I., and Hinton, G. E.: Imagenet classification with deep convolutional neural networks, Proc. Advances in Neural Information Processing Systems, pp.1097-1105, 2012.
• 5) 中村和樹,和泉勇治,子田康弘:畳み込みニューラルネットワークを用いた鋼橋における腐食箇所の検出,AI・データサイエンス論文集,Vol.1,No.J1, pp.373-381, 2020.[Nakamura, K., Waizumi, Y., and Koda, Y.: Corrosion detection for steel girder bridges using a convolutional neural network, Intelligence, Informatics and Infrastructure, Vol.1, No.J1, pp.373-381, 2020.]

タイトルに関連する用語 (5件)： 対照 ,  学習 ,  道路構造物 ,  変状 ,  分類