| 講演名 | 2019-01-18 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の超解像化 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物体識別のための高分解能化を目的に，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の超解像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 recognize the underground objects from the GPR images, we have developed a super-resolution method for 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 / 超解像 / FDTD法 / GPU |
| キーワード(英) | generative adversarial networks / deep learning / ground penetrating radar / super-resolution / FDTD method / GPU |
| 資料番号 | PN2018-75,EMT2018-109,OPE2018-184,LQE2018-194,EST2018-122,MWP2018-93 |
| 発行日 | 2019-01-10 (PN, EMT, OPE, LQE, EST, MWP) |
| 研究会情報 | |
| 研究会 | PN / EMT / OPE / EST / MWP / LQE / IEE-EMT |
|---|---|
| 開催期間 | 2019/1/17(から2日開催) |
| 開催地（和） | 大阪大学中之島センター |
| 開催地（英） | Osaka University Nakanoshima Center |
| テーマ（和） | フォトニックNW・デバイス、フォトニック結晶、ファイバーとその応用、光集積回路、光導波路素子、光スイッチング、導波路解析、マイクロ波・ミリ波フォトニクス、及び一般 |
| テーマ（英） | |
| 委員長氏名（和） | 長谷川 浩(名大) / 廣瀬 明(東大) / 佐藤 功紀(古河電工) / 平田 晃正(名工大) / 川西 哲也(早大) / 浜本 貴一(九大) / 後藤 啓次(防衛大) |
| 委員長氏名（英） | Hiroshi Hasegawa(Nagoya Univ.) / Akira Hirose(Univ. of Tokyo) / Kouki Sato(Furukawa Electric Industries) / Akimasa Hirata(Nagoya Inst. of Tech.) / Tetsuya Kawanishi(Waseda Univ.) / Kiichi Hamamoto(Kyusyu Univ.) / Keiji Goto(National Defense Academy) |
| 副委員長氏名（和） | 大越 春喜(古河電工) / 釣谷 剛宏(KDDI総合研究所) / 古川 英昭(NICT) / 平山 浩一(北見工大) / 高橋 浩(上智大) / 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) / 吉本 直人(千歳科技大) / 有賀 博(三菱電機) |
| 副委員長氏名（英） | Haruki Ogoshi(Furukawa Electric) / Takehiro Tsuritani(KDDI Research) / Hideaki Furukawa(NICT) / Koichi Hirayama(Kitami Inst. of Tech.) / Hiroshi Takahashi(Sophia Univ.) / Shinichiro Ohnuki(Nihon Univ.) / Masayuki Kimishima(Advantest) / Jun Shibayama(Hosei Univ.) / Naoto Yoshimoto(Chitose Inst. of Science and Tech.) / Hiroshi Aruga(Mitsubishi Electric) |
| 幹事氏名（和） | 廣田 悠介(NICT) / 橘 拓至(福井大) / 中川 雅弘(NTT) / 黒木 啓之(都立産技高専) / 渡辺 仰基(福岡工大) / 種村 拓夫(東大) / 山本 直克(NICT) / 江口 真史(千歳科技大) / 園田 潤(仙台高専) / 菅野 敦史(NICT) / 枚田 明彦(千葉工大) / 八木 英樹(住友電工) / 川北 泰雅(古河電工) / 川口 秀樹(室蘭工大) / 西岡 泰弘(三菱電機) / 阪本 卓也(兵庫県立大) |
| 幹事氏名（英） | Yusuke Hirota(NICT) / Takuji Tachibana(Univ. of Fukui) / Masahiro Nakagawa(NTT) / Takashi Kuroki(Tokyo Metro. Coll. of Tech) / Koki Watanabe(Fukuoka Inst.of Tech.) / Takuo Tanemura(Univ. of Tokyo) / Naokatsu Yamamoto(NICT) / Masashi Eguchi(CIST) / Jun Sonoda(National Inst. of Tech.,Sendai College) / Atsushi Kanno(NICT) / Akihiko Hirata(Chiba Inst. of Tech.) / Hideki Yagi(SEI) / Yasumasa Kawakita(Furukawa Electric Industries) / Hideki Kawaguchi(Muroran IT) / Yasuhiro Nishioka(Mitsubishi Electric) / Takuya Sakamoto(Univ. of Hyogo) |
| 幹事補佐氏名（和） | 鈴木 恵治郎(産総研) / 杉坂 純一郎(北見工大) / 庄司 雄哉(東京工業大学) / 妹尾 和則(NTT) / 伊藤 孝弘(名工大) / 藤田 和広(富士通) / 池田 研介(電中研) / 西村 公佐(KDDI総合研究所) / 永井 正也(阪大) / 中 良弘(九州保健福祉大) |
| 幹事補佐氏名（英） | Keijiro Suzuki(AIST) / Junichiro Sugisaka(Kitami Inst. of Tech.) / Yuya Shoji(Tokyo Inst. of Tech.) / Kazunori Seno(NTT) / Takahiro Ito(Nagoya Inst. of Tech.) / Kazuhiro Fujita(Fujitsu) / Kensuke Ikeda(CRIEPI) / Kosuke Nishimura(KDDI Research) / Masaya Nagai(Osaka Univ.) / Yoshihiro Naka(Kyushu Univ. of Health and Welfare) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Photonic Network / Technical Committee on Electromagnetic Theory / Technical Committee on OptoElectronics / Technical Committee on Electronics Simulation Technology / Technical Committee on Microwave and Millimeter-wave Photonics / Technical Committee on Lasers and Quantum Electronics / Technical Meeting on Electromagnetic Theory |
|---|---|
| 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の超解像化 |
| サブタイトル（和） | |
| タイトル（英） | Super-resolution for 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） | 超解像 / super-resolution |
| 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 | 2019-01-18 |
| 資料番号 | PN2018-75,EMT2018-109,OPE2018-184,LQE2018-194,EST2018-122,MWP2018-93 |
| 巻番号（vol） | vol.118 |
| 号番号（no） | PN-396,EMT-397,OPE-398,LQE-399,EST-400,MWP-401 |
| ページ範囲 | pp.237-242(PN), pp.237-242(EMT), pp.237-242(OPE), pp.237-242(LQE), pp.237-242(EST), pp.237-242(MWP), |
| ページ数 | 6 |
| 発行日 | 2019-01-10 (PN, EMT, OPE, LQE, EST, MWP) |