マルチタスク深層学習による橋梁の損傷程度評価モデルの検討

DOI
  • 大関 誠
    富士フイルム株式会社 R&D統括本部画像技術センター
  • 堀田 修平
    富士フイルム株式会社 R&D統括本部画像技術センター
  • 與那覇 誠
    富士フイルム株式会社 R&D統括本部画像技術センター
  • 山口 浩平
    長崎大学 大学院工学部システム科学部門
  • 中村 聖三
    長崎大学 大学院工学部システム科学部門

書誌事項

タイトル別名
  • Multi-Task Convolutional Neural Network for Bridge Damage Assessment

説明

<p>橋梁定期点検における点検診断員の不足や維持管理コストの増加に対処するために，AI技術を活用した点検の効率化が進められている．現状の点検業務の効率化を支援するためには，点検マニュアルが対象としている様々な損傷の種類・評価基準に対応した汎用的な AIモデルが求められる．本研究では，汎用的かつ高精度な損傷程度評価モデルを構築するために，損傷程度評価と関連性が高い損傷分類とのマルチタスク学習を提案した．一般的なマルチタスク学習に加えて，注意機構を用いてタスク間の関連性を明示的に考慮可能なマルチタスク学習手法を提案し，長崎県の橋梁維持管理データを用いて提案手法の有効性を検証した．</p>

収録刊行物

キーワード

詳細情報 詳細情報について

  • CRID
    1391412326430177792
  • NII論文ID
    130007940727
  • DOI
    10.11532/jsceiii.1.j1_86
  • ISSN
    24359262
  • 本文言語コード
    ja
  • データソース種別
    • JaLC
    • CiNii Articles
  • 抄録ライセンスフラグ
    使用不可

問題の指摘

ページトップへ