| 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 [ログイン] 技報アーカイブ |
| 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 | 2021-03-03 09:45 UAVを用いた災害時の道路画像分割に関する研究 ○武藤信太・大谷 淳（早大）  IMQ2020-30 IE2020-70 MVE2020-62 |
|
| 抄録 | （和） | 本論文では,災害発生時の被災情報の収集に固定翼型UAVを使用することを想定し,機械学習を用いて空撮画像から道路領域のセグメンテーションを行うシステムを提案する.学習時には、学習用画像に対して学習用前処理を施して，深層学習ネットワークの学習を行い，モデルを作成する．道路画像分割時には，未知の画像に対してテスト用前処理を行い，学習済みのモデルに入力して，道路領域推定結果を得る．日本国内で撮影された災害画像から独自のデータセットを作成して学習を行ったほか,他の災害画像による隠れを付加した画像も作成し,テストを行った.学習の条件として,ネットワーク構造としてSegNetとDeepLab v3+を使用するとともに,損失関数として異なるものを使用して比較を行った.結果として,DeepLab v3+とDice Lossを使用した際に最も精度が高くなった.さらに,隠れを付加した画像に対するテストにより,災害による道路の寸断の検出に対する有用性も示した. |
| （英） | In this paper, we propose a system for segmenting road areas from aerial images using machine learning, assuming that fixed-wing UAVs are used to collect information in case of disasters. In the training phase, a deep learning network is trained using the training images to which preprocessing is applied. In the road segmentation phase, unknown images are inputted to the trained model so that road detection results are obtained. We created our own dataset from disaster images taken in Japan, and also created road-hidden images by overlaying disaster images (e.g. landslip) onto roads in non-disaster images. For the training, we used SegNet and DeepLab v3+ as the network structure and different loss functions for comparison. As a result, the highest accuracy was obtained by DeepLab v3+ and Dice Loss. In addition, as a result of applying the proposed method for the road-hidden images, promising results were obtained. | |
| キーワード | （和） | 機械学習 / セグメンテーション / 道路検出 / SegNet / DeepLab / 損失関数 / / |
| （英） | Machine Learning / Segmentation / Road Detection / SegNet / DeepLab / Loss Function / / | |
| 文献情報 | 信学技報, vol. 120, no. 390, IE2020-70, pp. 97-102, 2021年3月. | |
| 資料番号 | IE2020-70 | |
| 発行日 | 2021-02-22 (IMQ, IE, MVE) | |
| ISSN | 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 | IMQ2020-30 IE2020-70 MVE2020-62 |
|
| 研究会情報 | |
| 研究会 | MVE IMQ IE CQ |
| 開催期間 | 2021-03-01 - 2021-03-03 |
| 開催地（和） | オンライン開催（崇城大学から変更） |
| 開催地（英） | Online |
| テーマ（和） | 五感に訴えるオンラインメディアとその評価，および一般 （魅力工学（AC）研究会協賛） |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | IE |
| 会議コード | 2021-03-MVE-IMQ-IE-CQ |
| 本文の言語 | 日本語 |
| タイトル（和） | UAVを用いた災害時の道路画像分割に関する研究 |
| サブタイトル（和） | |
| タイトル（英） | A Study of Road Segmentation in Disaster Situations Using UAV |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 機械学習 / Machine Learning |
| キーワード(2)（和/英） | セグメンテーション / Segmentation |
| キーワード(3)（和/英） | 道路検出 / Road Detection |
| キーワード(4)（和/英） | SegNet / SegNet |
| キーワード(5)（和/英） | DeepLab / DeepLab |
| キーワード(6)（和/英） | 損失関数 / Loss Function |
| 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） | 武藤 信太 / Shinta Muto / ムトウ シンタ |
| 第1著者 所属（和/英） | 早稲田大学 (略称： 早大) Waseda University (略称： Waseda Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 大谷 淳 / Jun Ohya / オオヤ ジュン |
| 第2著者 所属（和/英） | 早稲田大学 (略称： 早大) Waseda University (略称： Waseda Univ.) |
| 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： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2021-03-03 09:45:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IE |
| 資料番号 | IMQ2020-30, IE2020-70, MVE2020-62 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | no.389(IMQ), no.390(IE), no.391(MVE) |
| ページ範囲 | pp.97-102 |
| ページ数 | 6 |
| 発行日 | 2021-02-22 (IMQ, IE, MVE) |
[研究会発表申込システムのトップページに戻る]