Building damage detection method using a deep-learning based on the 3 dimensional modeling of oblique aerial photographs
Project/Area Number |
20K15010
|
Research Category |
Grant-in-Aid for Early-Career Scientists
|
Allocation Type | Multi-year Fund |
Review Section |
Basic Section 25030:Disaster prevention engineering-related
|
Research Institution | National Research Institute for Earth Science and Disaster Prevention |
Principal Investigator |
内藤 昌平 国立研究開発法人防災科学技術研究所, マルチハザードリスク評価研究部門, 契約研究員 (90560946)
|
Project Period (FY) |
2020-04-01 – 2024-03-31
|
Project Status |
Granted (Fiscal Year 2022)
|
Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2023: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2022: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2021: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2020: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
|
Keywords | 被害状況把握 / リモートセンシング / 深層学習 / コンピュータビジョン / UAV |
Outline of Research at the Start |
本研究では斜め上空から取得されたリモートセンシング画像を用いて機械学習を行い、一部損壊程度以上の建物の被害状況を自動抽出する手法を開発する。 まず、建物の被害程度に応じた大規模な教師データを構築する。次に、SfMやLiDARデータ等を用いて被災建物の3Dモデルを作成し、教師データの高精度化・検証を行う。続いてこれらの教師データを用いて深層学習を行い、建物毎の被害状況を自動判別する。
|
Outline of Annual Research Achievements |
令和4年度においては、斜め航空写真を用いて建物の被災程度を深層学習により自動判別するプログラムの機能追加を二点実施した。一つは、無被害、損傷、倒壊の各判別結果を入力画像全体において再集計した上で、画像内に被害判別結果を重ね書きした画像を作成後、画像を射影変換により垂直画像に変換し、GISソフトで読み込み可能な形式で保存する機能を追加した。もう一つは、斜め航空写真を用いた深層学習により被害を自動判別した結果に加えて、地震前後の高さ差分等、建物被害に関連する複数の指標を組み合わせ、ランダムフォレストに基づき被害推定を行う機能を追加した。 これらのプログラムを活用し、令和3年度までに作成した熊本地震における斜め航空写真に基づく建物被害教師データを用いた自動被害判別を行った。具体的には深層学習(YOLOv3)による自動被害判別結果に加え、地震前後の高さ変化、推定計測震度、地表地震断層からの距離、地盤増幅率、建物構造・年代の推定値、ブルーシート被覆率、テクスチャ解析の各データを説明変数として追加し、データの8割を学習用データ、2割をテスト用データとしてランダムフォレストによる判別を行った。結果、深層学習による判別結果のみを説明変数とした場合には正答率は約71%、F値は無被害約82%、損傷約40%、倒壊約51%であったのに対し、多数の説明変数を用いた場合には正答率は約81%、F値は無被害約88%、損傷約61%、倒壊約75%であった。このことから深層学習とランダムフォレストを組み合わせることにより、従来以上の精度で建物被害判別を実現可能であることが示された。
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
令和4年度においては深層学習に加え、多数の説明変数を使用可能なランダムフォレストによる判別を行うようにプログラムの機能追加を行った。結果、研究開始当初に計画していた地震前後の建物高さ変化データを有効活用することで、深層学習のみによる判別よりも精度を向上する事が可能になることを確認することができた。
|
Strategy for Future Research Activity |
今後は斜め航空写真だけでなく、オルソ補正された垂直航空写真を使用し、より広範囲かつ大規模な教師データを活用し、深層学習およびランダムフォレストを組み合わた被害判別を行うことが可能なプログラムおよびモデルを開発し、精度検証を行う。
|
Report
(3 results)
Research Products
(4 results)