文献

J-GLOBAL ID：202402234304919811   整理番号：24A0076813

変状の劣化レベル判定支援に向けたグラフニューラルネットワークによるレコードデータの特徴表現の獲得

Acquisition of feature representation of record data via graph neural network to support determination of deterioration levels

著者 (5件)： 山本一輝 (北海道大学大学院情報科学院 メディアネットワークコース専攻) ,  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) ,  藤後廉 (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： 3  ページ： 694-704(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： 本稿では,変状の劣化レベル判定支援に向けたグラフニューラルネットワークによるレコードデータの特徴表現の獲得手法を提案する.点検作業では,異なるアングルや距離から複数の変状画像を撮影し,これら画像群をレコードデータとして蓄積する.しかしながら,従来の劣化レベル推定に関する研究では,画像 1 枚の入力を想定してモデルの学習を行っているため,画像単体とは性質の異なるレコードデータの入力に対応困難であった.そこで,本稿では,この問題に対応するために,画像単体とレコードデータ間の関係を学習可能なグラフニューラルネットワークを用いて,レコードデータの特徴表現の獲得を実現する.本稿の最後では,実際の点検時に得られる変状画像を用いた実験として類似レコードデータ検索を行うことで,提案手法の有効性を検証する.(著者抄録)

シソーラス用語： 科学 ,  *人工知能 ,  *データ解析 ,  ニューラルネットワーク ,  特徴抽出 ,  点検 ,  グラフニューラルネットワーク
準シソーラス用語： *AI【人工知能】 ,  *データサイエンス

著者キーワード (4件)： record data ,  graph neural network ,  deterioration level estimation ,  infrastructure

分類 (2件)： システム・制御理論一般  (IA02010H) ,  人工知能  (JE08000Z)

引用文献 (19件)：

• 1) 国土交通省:国土交通白書, 2022, from https://www.mlit.go.jp/hakusyo/mlit/r03/hakusho/r04/html/n2220000.html,(accessed 2022-06-18).
• 2) 土木研究所:道路橋メンテナンスにおける AI・ICTの活用,2019,from https://www.pwri.go.jp/jpn/about/pr/event/2019/1016/pdf/kouen1.pdf,(accessed 2022-06-16).
• 3) 社会資本整備審議会・交通政策審議会技術分科会技術部会:今後の社会資本の維持管理・更新のあり方について中間取りまとめ,2013,from https://www.mlit.go.jp/common/000995304.pdf,(accessed 2022-06-17).
• 4) 国土交通省:インフラ分野のDXに向けた取組紹介,2020,from https://www.mlit.go.jp/tec/content/20072903-2.pdf,(accessed 2022-06-16).
• 5) 青島亘佐,河村伸哉,中野聡,中村秀明:深層学習による画像認識を用いたコンクリート構造物の変状検出に関する研究,土木学会論文集 E2 (材料・コンクリート構造), vol. 74,no. 4,pp. 293-305,2018.

タイトルに関連する用語 (6件)： 変状 ,  支援 ,  グラフニューラルネットワーク ,  レコードデータ ,  特徴表現 ,  獲得