講演抄録/キーワード |
講演名 |
2017-10-13 11:40
VGG構造を一部に持つCNNによる地中レーダ画像からの物体識別 ○園田 潤(仙台高専)・木本智幸(大分高専) PRMU2017-91 |
抄録 |
(和) |
地中レーダでは地中に入射した電波の誘電率差で生じる反射波により地中物体を検出する技術であり,近年劣化が社会問題化している社会インフラのセンシングに有効な技術である.しかしながら,地中レーダ画像から物体の材質や大きさを識別することが課題であった.我々は,多層のニューラルネットワークを用いた機械学習であるディーラーニングによるレーダ画像からの地中物体識別を目的に,GPUクラスタを用いたFDTD法による地中レーダシミュレーションで学習用レーダ画像を生成し,畳み込みニューラルネットCNNを用いた複雑さの異なる多様な媒質における地中物体の識別特性を検討している.本稿では,一部にVGGやドロップアウトを導入したCNNによる地中物体の識別率向上について報告する. |
(英) |
Recently, deterioration of social infrastructures such as tunnels and bridges become a serious social problem. It is required to rapidly and adequately detect for abnormal parts of the social infrastructures. The ground penetrating radar (GPR) is efficient for the social infrastructure inspection. However, it is difficult to identify the material and size of the underground object from the radar image obtained the GPR. In this study, to objectively and quantitatively inspect from the GPR images by the deep learning, we have automatically and massively generated the GPR images by a fast finite-difference time-domain (FDTD) simulation with graphics processing units (GPUs), and have learned the underground object using the generated GPR images by a deep convolutional neural network (CNN). It is shown that we have obtained multilayer layers CNN can identify six materials and size with roughly more than 80% accuracy in in-homogeneous underground media. |
キーワード |
(和) |
畳み込みニューラルネットワーク / 地中レーダ / FDTD / GPU / 物体識別 / / / |
(英) |
convolutional neural network / ground penetrating radar / FDTD / GPU / object identification / / / |
文献情報 |
信学技報, vol. 117, no. 238, PRMU2017-91, pp. 161-166, 2017年10月. |
資料番号 |
PRMU2017-91 |
発行日 |
2017-10-05 (PRMU) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
PRMU2017-91 |
研究会情報 |
研究会 |
PRMU |
開催期間 |
2017-10-12 - 2017-10-13 |
開催地(和) |
熊本大学 |
開催地(英) |
|
テーマ(和) |
深層学習 |
テーマ(英) |
|
講演論文情報の詳細 |
申込み研究会 |
PRMU |
会議コード |
2017-10-PRMU |
本文の言語 |
日本語 |
タイトル(和) |
VGG構造を一部に持つCNNによる地中レーダ画像からの物体識別 |
サブタイトル(和) |
|
タイトル(英) |
Object Identification from Underground Radar Images by CNN With Partially VGG Structure |
サブタイトル(英) |
|
キーワード(1)(和/英) |
畳み込みニューラルネットワーク / convolutional neural network |
キーワード(2)(和/英) |
地中レーダ / ground penetrating radar |
キーワード(3)(和/英) |
FDTD / FDTD |
キーワード(4)(和/英) |
GPU / GPU |
キーワード(5)(和/英) |
物体識別 / object identification |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
園田 潤 / Jun Sonoda / ソノダ ジュン |
第1著者 所属(和/英) |
仙台高等専門学校 (略称: 仙台高専)
National Institute of Technology, Sendai College (略称: NIT, Sendai College) |
第2著者 氏名(和/英/ヨミ) |
木本 智幸 / Tomoyuki Kimoto / キモト トモユキ |
第2著者 所属(和/英) |
大分工業高等専門学校 (略称: 大分高専)
National Institute of Technology, Oita College (略称: NIT, Oita College) |
第3著者 氏名(和/英/ヨミ) |
/ / |
第3著者 所属(和/英) |
(略称: )
(略称: ) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2017-10-13 11:40:00 |
発表時間 |
30分 |
申込先研究会 |
PRMU |
資料番号 |
PRMU2017-91 |
巻番号(vol) |
vol.117 |
号番号(no) |
no.238 |
ページ範囲 |
pp.161-166 |
ページ数 |
6 |
発行日 |
2017-10-05 (PRMU) |