再帰型ニューラルネットワークによる機械図面解釈の試み

カテゴリ: 部門大会

論文No: PS8-5

グループ名: 【C】2024年電気学会電子・情報・システム部門大会

発行日: 2024/08/28

タイトル(英語): An attempt to interpret machine drawings using recurrent neural networks

著者名: 黒沼 雄太（芝浦工業大学）,中村 真吾（芝浦工業大学）

著者名(英語): Yuta Kuronuma (Shibaura Institute of Technology),Shingo Nakamura (Shibaura Institute of Technology)

キーワード: 再帰型ニューラルネットワーク|機械図面|エンティティ分類エンティティ分類|Recurrent neural networks|Machine drawing|Entity classification

要約(日本語): 製図教育において，多くの時間を要する検図作業は指導者への大きな負担となり，検図の自動化の実現が求めらる．しかしながら，検図を行うためにはまず図面の解釈が必要となる．本研究では，機械図面の解釈のため，機械図面を入力としたネットワークの学習を行うことを目的とする．具体的には，複数の学習モデルを作成し図面上の図形を分類するタスクを行い，その精度を比較した．提案手法では，図面をエンティティの系列データとして扱い，再帰型ニューラルネットワーク(RNN)をベースとしたモデルを作成した．また，データセットには実際に学生が作製した機械図面を拡張して使用し，エンティティの入力順序によって精度に変化がみられるかを調査した．分類精度を比較した結果，RNNを使用し機械図面を学習することが可能であることが確認できた．また，学習を行う際には，エンティティを描かれた順番で入力することにより，損失が低下することが確認された．