電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
技報オンライン
‥‥ (ESS/通ソ/エレソ/ISS)
技報アーカイブ
‥‥ (エレソ/通ソ)
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2018-09-06 16:05
敵対的生成ネットワークを用いた深層学習による地中レーダ画像からのクラッタ除去
園田 潤仙台高専)・木本智幸大分高専
技報オンラインサービス実施中(エレソは開催日の前後のみ)  エレソ技報アーカイブはこちら
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,ディープラーニングによる地中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ワークCNNを用いて複数の不均質土壌における地中レーダ画像から物体の比誘電率や大きさの識別が可能なことを明らかにしてきた.本稿では,不均質土壌におけるクラッタ(不要散乱波)に埋もれた地中レーダ画像の識別率向上を目的に,ディープラーニングによる画像生成手法である敵対的生成ネットワークGANを用いた地中レーダ画像からのクラッタ除去について報告する. 
(英) Recently, deterioration of social infrastructures such as tunnels and bridges become a serious social problem. It is required to rapidly and accurately 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. To objectively and quantitatively investigate 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 it has been learned the underground object using a deep convolutional neural network (CNN), with the generated GPR images. As the results, we have obtained multilayer layers CNN can identify six materials and size with roughly more than 80% accuracy in some inhomogeneous underground. In this study, to increase the accuracy of object identification for the GPR images with many clutters in some inhomogeneous underground, we try to reduce clutters from the GPR images by the deep learning using the generative adversarial networks (GAN).
キーワード (和) 敵対的生成ネットワーク / 深層学習 / 地中レーダ / クラッタ除去 / FDTD法 / GPU / /  
(英) generative adversarial networks / deep learning / ground penetrating radar / clutter reducing / FDTD method / GPU / /  
文献情報 信学技報, vol. 118, no. 209, EST2018-51, pp. 47-51, 2018年9月.
資料番号 EST2018-51 
発行日 2018-08-30 (EST) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380

研究会情報
研究会 EST  
開催期間 2018-09-06 - 2018-09-07 
開催地(和) 久米島イーフ情報プラザ(沖縄県久米島町) 
開催地(英) Kumejima-machi, Okinawa 
テーマ(和) シミュレーション技術,一般 
テーマ(英) Simulation techniques, etc. 
講演論文情報の詳細
申込み研究会 EST 
会議コード 2018-09-EST 
本文の言語 日本語 
タイトル(和) 敵対的生成ネットワークを用いた深層学習による地中レーダ画像からのクラッタ除去 
サブタイトル(和)  
タイトル(英) Clutter Reduction from GPR Image by Deep Learning Using Generative Adversarial Network 
サブタイトル(英)  
キーワード(1)(和/英) 敵対的生成ネットワーク / generative adversarial networks  
キーワード(2)(和/英) 深層学習 / deep learning  
キーワード(3)(和/英) 地中レーダ / ground penetrating radar  
キーワード(4)(和/英) クラッタ除去 / clutter reducing  
キーワード(5)(和/英) FDTD法 / FDTD method  
キーワード(6)(和/英) GPU / GPU  
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 モトユキ
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
発表日時 2018-09-06 16:05:00 
発表時間 25 
申込先研究会 EST 
資料番号 IEICE-EST2018-51 
巻番号(vol) IEICE-118 
号番号(no) no.209 
ページ範囲 pp.47-51 
ページ数 IEICE-5 
発行日 IEICE-EST-2018-08-30 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会