ログイン 新規登録
言語:

WEKO3

  • トップ
  • ランキング
To
lat lon distance
To

Field does not validate



インデックスリンク

インデックスツリー

メールアドレスを入力してください。

WEKO

One fine body…

WEKO

One fine body…

アイテム

  1. 研究報告
  2. ヒューマンコンピュータインタラクション(HCI)
  3. 2021
  4. 2021-HCI-195

物体検出を用いた道路陥没箇所検出モデルにおける合成画像を使用した学習の有効性の検討

https://ipsj.ixsq.nii.ac.jp/records/213913
https://ipsj.ixsq.nii.ac.jp/records/213913
a65d06b7-28ad-4c4c-a98b-dda91e509c69
名前 / ファイル ライセンス アクション
IPSJ-HCI21195008.pdf IPSJ-HCI21195008.pdf (8.1 MB)
Copyright (c) 2021 by the Information Processing Society of Japan
オープンアクセス
Item type SIG Technical Reports(1)
公開日 2021-11-23
タイトル
タイトル 物体検出を用いた道路陥没箇所検出モデルにおける合成画像を使用した学習の有効性の検討
言語
言語 jpn
キーワード
主題Scheme Other
主題 交通・都市
資源タイプ
資源タイプ識別子 http://purl.org/coar/resource_type/c_18gh
資源タイプ technical report
著者所属
慶應義塾大学法学部法律学科
著者所属
慶應義塾大学環境情報学部
著者所属
慶應義塾大学大学院政策・メディア研究科
著者所属
埼玉工業大学人間社会学部情報社会学科
著者所属
慶應義塾大学環境情報学部
著者所属(英)
en
Faculty of Law, Keio University
著者所属(英)
en
Faculty of Environment and Information Studies, Keio University
著者所属(英)
en
Graduate School of Media and Governance, Keio University
著者所属(英)
en
Department of Informational Society Studies, Saitama Institute of Technology
著者所属(英)
en
Faculty of Environment and Information Studies, Keio University
著者名 坂内, 理人

× 坂内, 理人

坂内, 理人

Search repository
別宮, 広朗

× 別宮, 広朗

別宮, 広朗

Search repository
河崎, 隆文

× 河崎, 隆文

河崎, 隆文

Search repository
檀上, 誠

× 檀上, 誠

檀上, 誠

Search repository
中澤, 仁

× 中澤, 仁

中澤, 仁

Search repository
論文抄録
内容記述タイプ Other
内容記述 日本全国に敷設された道路はおよそ 120 万キロにおよび,地球 30 周分にもあたる.そのうちの約 7 割以上が市町村によって管理されているが,国によって 5 年に 1 度の専門技能を持った人間による近接目視での定期点検作業が義務付けられており,地方公共団体にとって大きな負担となっている.また道路においては突発的な損傷が発生した場合,大きな事故につながる場合もあることから,5 年に 1 度の定期点検だけでなく,より頻繁に点検作業を行うことが望ましい.しかし,現在そのような突発的な道路損傷に関して,費用や労力的問題から多くの地方公共団体では市民からの通報に頼っていることが多いのが現状である.この問題を解決するための一つのアプローチとして,ドライブレコーダー画像から,ディープラーニングを用いた物体検出モデルを用いて自動検出する方法がある.しかし,検出できる損傷箇所の種類が不十分であることなど,まだまだ改善の余地が多い.高い精度を持ち,十分な種類の道路損傷箇所を検出できる物体検出モデルを作成することが難しい理由の一つとして,学習に使用できる道路損傷箇所の画像データ数の確保が難しいことが挙げられる.本研究では,道路損傷箇所が含まれる合成画像を作成し,学習に使用することで,データ数の少なさを補う手法を提案する.特に発生した際の往来への影響が大きいことや合成画像での再現が比較的容易であることから,道路上に空いた比較的深い陥没穴を検出対象として,合成画像を用いて学習を行った場合とそうでない場合とで比較実験を行い,合成画像を用いて学習を行うことの有効性について検証した.実験の結果から,合成画像を学習させた物体検出モデルは,合成画像に対して高い精度を出したが,実空間で定義された陥没穴と合成画像で定義した陥没穴とに乖離があることがわかった.しかし,作成した合成画像を学習したモデルは同様に作成した合成画像を高い精度で検出できたことから,合成画像を実空間上の陥没穴に近づけた場合,合成画像を用いることで実空間上の陥没穴に対するモデルの精度を補える可能性が示唆された.
書誌レコードID
収録物識別子タイプ NCID
収録物識別子 AA1221543X
書誌情報 研究報告ヒューマンコンピュータインタラクション(HCI)

巻 2021-HCI-195, 号 8, p. 1-8, 発行日 2021-11-23
ISSN
収録物識別子タイプ ISSN
収録物識別子 2188-8760
Notice
SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
出版者
言語 ja
出版者 情報処理学会
戻る
0
views
See details
Views

Versions

Ver.1 2025-01-19 16:58:19.499166
Show All versions

Share

Mendeley Twitter Facebook Print Addthis

Cite as

エクスポート

OAI-PMH
  • OAI-PMH JPCOAR
  • OAI-PMH DublinCore
  • OAI-PMH DDI
Other Formats
  • JSON
  • BIBTEX

Confirm


Powered by WEKO3


Powered by WEKO3