@techreport{oai:ipsj.ixsq.nii.ac.jp:00203652,
 author = {鈴木, 藍雅 and 柳本, 貴司 and 中村, 良平 and 坂本, 成弘 and 坂無, 英徳 and Aiga, Suzuki and Takashi, Yanagimoto and Ryohei, Nakamura and Shigehiro, Sakamoto and Hidenori, Sakanashi},
 issue = {16},
 month = {Feb},
 note = {建物の保守点検において，外壁落下事故に繋がるひび割れの早期発見は非常に重要である．その点検方法の一つとして，外壁面を撮影した画像を元に検査が行われることがあるが，建物の規模によって撮影枚数は数万枚にも及ぶ場合があり，作業者の負担が大きく見落としが生じる危険性もある．特に石材の画像検査においては，模様や陰影とひびとの区別は非常に難しい課題である．そこで本研究では，外壁のひび割れの早期発見作業を支援するために，深層畳み込みニューラルネットワークを用いたひび割れ検出システムを開発した．本システムにおいては，元画像から切り出した小領域ごとにひびを含むかどうかを推定するモデルを訓練し，その推定結果をヒートマップとして元画像に重畳することで，ひびの発見作業を支援するものである．実験では実際の花崗岩の外壁材を用いた大規模建物の外壁データに本システムを適用し，高い精度でひび領域の呈示が可能であることを示した．, Early detection of the crack in the external wall, which may cause falling incidents, is the critical task in inspection items of building maintenance. As one of the inspection ways, an image-based inspection has an advantage in terms of cost and efficiency; however, it requires much effort in the case of high-rise buildings because of a massive number of taken pictures. Specifically, it is hard to distinguish the cracks in the walls made of natural stones from their complex texture pattern. To support such inspection to decrease oversights, we developed the computer-aided diagnosis system to find wall cracks by using deep convolutional neural networks. This system finds a wall crack and visualizes probabilities of including cracks as a heatmap for each local region. We demonstrated that the system provides proper inference for real buildings by applying to the tower building that has granite wall panels.},
 title = {深層畳み込みニューラルネットワークによる建物外装石材画像からのひび検出},
 year = {2020}
}