講演名 2018-10-19
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地中モデル逆推定
園田 潤(仙台高専), 木本 智幸(大分高専),
PDFダウンロードページ PDFダウンロードページへ
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,地中レーダ画像からの地中モデル逆推定を目的に,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地中モデル可視化について報告する.
抄録(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 estimate the underground objects from the GPR images, we have developed an underground model inversion 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 / 逆問題 / FDTD法 / GPU
キーワード(英) generative adversarial networks / deep learning / ground penetrating radar / inversion / FDTD method / GPU
資料番号 EMCJ2018-53,MW2018-89,EST2018-75
発行日 2018-10-11 (EMCJ, MW, EST)

研究会情報
研究会 EST / MW / EMCJ / IEE-EMC
開催期間 2018/10/18(から2日開催)
開催地(和) 八戸商工会館(青森県八戸市)
開催地(英) Hachinohe Chamber of Commerce and Industry(Hachinohe city, Aomori)
テーマ(和) シミュレーション技術・EMC、マイクロ波、電磁界シミュレーション、一般
テーマ(英) Simulation techniques, EMC, Microwave, Electromagnetic field simulation, etc.
委員長氏名(和) 平田 晃正(名工大) / 村口 正弘(東京理科大) / 和田 修己(京大) / 山崎 健一(電中研)
委員長氏名(英) Akimasa Hirata(Nagoya Inst. of Tech.) / Masahiro Muraguchi(TUS) / Osami Wada(Kyoto Univ.) / 山崎 健一(電中研)
副委員長氏名(和) 大貫 進一郎(日大) / 君島 正幸(アドバンテスト研) / 柴山 純(法政大) / 古神 義則(宇都宮大) / 岡崎 浩司(NTTドコモ) / 田島 賢一(三菱電機) / 王 建青(名工大)
副委員長氏名(英) Shinichiro Ohnuki(Nihon Univ.) / Masayuki Kimishima(Advantest) / Jun Shibayama(Hosei Univ.) / Yoshinori Kogami(Utsunomiya Univ.) / Hiroshi Okazaki(NTT DOCOMO) / Kenichi Tajima(Mitsubishi Electric) / Kensei Oh(Nagoya Inst. of Tech.)
幹事氏名(和) 江口 真史(千歳科技大) / 園田 潤(仙台高専) / 中村 宝弘(日立) / 清水 隆志(宇都宮大) / 青柳 貴洋(東工大) / 白木 康博(三菱電機) / 石上 忍(東北学院大) / 池畑 政輝(鉄道総研)
幹事氏名(英) Masashi Eguchi(CIST) / Jun Sonoda(National Inst. of Tech.,Sendai College) / Takahiro Nakamura(HITACHI) / Takashi Shimizu(Utsunomiya Univ.) / Takahiro Aoyagi(Tokyo Inst. of Tech.) / Yasuhiro Shiraki(Mitsubishi Electric) / 石上 忍(東北学院大) / 池畑 政輝(鉄道総研)
幹事補佐氏名(和) 伊藤 孝弘(名工大) / 藤田 和広(富士通) / 本良 瑞樹(東北大) / 吉田 賢史(鹿児島大) / 長澤 忍(三菱電機) / 山本 真一郎(兵庫県立大) / 鵜生 高徳(デンソー) / 井渕 貴章(阪大)
幹事補佐氏名(英) Takahiro Ito(Nagoya Inst. of Tech.) / Kazuhiro Fujita(Fujitsu) / Mizuki Motoyoshi(Tohoku Univ.) / Satoshi Yoshida(Kagoshima Univ.) / Shinobu Nagasawa(Mitsubishi Electric) / Shinichiro Yamamoto(Univ. of Hyogo) / Takanori Unou(Denso) / 井渕 貴章(阪大)

講演論文情報詳細
申込み研究会 Technical Committee on Electronics Simulation Technology / Technical Committee on Microwaves / Technical Committee on Electromagnetic Compatibility / Technical Meeting on Electromagnetic Compatibility (IEE-EMC)
本文の言語 JPN
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地中モデル逆推定
サブタイトル(和)
タイトル(英) Underground Model Inversion from GPR Images by Deep Learning Using Generative Adversarial Networks
サブタイトル(和)
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) 逆問題 / inversion
キーワード(5)(和/英) FDTD法 / FDTD method
キーワード(6)(和/英) GPU / GPU
第 1 著者 氏名(和/英) 園田 潤 / Jun Sonoda
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)
第 2 著者 氏名(和/英) 木本 智幸 / Tomoyuki Kimoto
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)
発表年月日 2018-10-19
資料番号 EMCJ2018-53,MW2018-89,EST2018-75
巻番号(vol) vol.118
号番号(no) EMCJ-247,MW-248,EST-249
ページ範囲 pp.115-119(EMCJ), pp.115-119(MW), pp.115-119(EST),
ページ数 5
発行日 2018-10-11 (EMCJ, MW, EST)