深層ニューラルネットワークを利用したガス分布マップの超解像計測に関する基礎的研究

カテゴリ: 部門大会

論文No: 16P2-P-40

グループ名: 【E】第39回「センサ・マイクロマシンと応用システム」シンポジウム

発行日: 2022/11/07

タイトル(英語): Fundamental Study on Super-Resolution of Gas Distribution Map Using Deep Neural Network

著者名: Winkler Nicolas P.(Bundesanstalt fur Materialforschung und -prufung), 松倉 悠(電気通信大学), Neumann Patrick P.(Bundesanstalt fur Materialforschung und -prufung), Schaffernicht Erik(Orebro University), 石田 寛(東京農工大学), Lilienthal Achim J.(Orebro University)

著者名(英語): Nicolas P. Winkler(Bundesanstalt fur Materialforschung und -prufung), Haruka Matsukura(University of Electro-Communications), Patrick P. Neumann(Bundesanstalt fur Materialforschung und -prufung), Erik Schaffernicht(Orebro University), Hiroshi Ishida(Tokyo University of Agriculture and Technology), Achim J. Lilienthal(Orebro University),

キーワード: ガス分布マッピング|空間補間|深層学習|超解像|センサネットワーク|Gas distribution mapping|Spatial interpolation|Deep learning|Super-resolution|Sensor network

要約(日本語): 離散的に配置されたガスセンサの情報から,詳細なガス分布を推定する超解像技術の実現を目指す。そのために,オートエンコーダと呼ばれるフレームワークを参考にし,深層学習畳み込みニューラルネットワークを用意した。ガス分布画像からセンサを置いた30点の画素のみを抽出した画像を与え,元の画像をどこまで再現できるか調べた。逆距離荷重法やガウス内挿により得た結果と比べ,元画像に近い良好な結果が得られた。

要約(英語): Here we propose to apply an autoencoder framework to super-resolution in gas distribution mapping. We have trained a convolutional encoder-decoder neural network for spatial interpolation between sparsely distributed gas sensors. Our results show that the neural network can reconstruct gas distribution maps with high resolution and outperforms simpler interpolation techniques.

PDFファイルサイズ: 1,799 Kバイト