Deep Metric Learningを用いた非整備環境画像の分類に関する基礎検討

カテゴリ: 研究会(論文単位)

論文No: PI20002,IIS20033

グループ名: 【C】電子・情報・システム部門 知覚情報/【D】産業応用部門 次世代産業システム合同研究会

発行日: 2020/03/23

タイトル(英語): Fundamental Study on Classification of Steel Structure Images in Uncontrollable Environment using Deep Metric Learning

著者名: 田久保 公瞭(日本大学),門馬 英一郎(日本大学),石井 弘允(日本大学),小野 隆(日本大学),高岡 明弘(朝日エティック),服部 聡(朝日エティック),原田 誠(朝日エティック),樋口 知以(朝日エティック)

著者名(英語): Kimiaki Takubo(Nihon University),Eiichiro Momma(Nihon University),Hiromitsu Ishii(Nihon University),Takashi Ono(Nihon University),Akihiro Takaoka(Asahi ETIC),Satoshi Hattori(Asahi ETIC),Makoto Harada(Asahi ETIC),Tomoyuki Higuchi(Asahi ETIC)

キーワード: ディープラーニング|教師なし学習|クラスタリング|距離学習|Deep Learning|Unsupervised learning|Clustering|Metric Learning

要約(日本語): 本研究は非整備環境の鋼構造物の画像を扱っている。本稿では非整備環境画像のデータに教師なし学習の一種であるクラスタリングをし、データセットを作成した。また、データ間の類似度を学習する手法のDeep metric Learningを用いてテストデータの分類をした。

要約(英語): We create a data set by clustering, which is unsupervised learning, from still image data of a steel structure in Uncontrollable Environment, and use metric learning, a method of learning the similarity between data, to determine which type of steel image of the test data still image I tried whether it was close to.

原稿種別: 日本語

PDFファイルサイズ: 2,053 Kバイト