@techreport{oai:ipsj.ixsq.nii.ac.jp:00213913,
 author = {坂内, 理人 and 別宮, 広朗 and 河崎, 隆文 and 檀上, 誠 and 中澤, 仁},
 issue = {8},
 month = {Nov},
 note = {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．},
 title = {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},
 year = {2021}
}