2021 Fiscal Year Research-status Report
深層学習を活用した低廉迅速かつ大量高頻度なデータ蓄積による道路損傷箇所の将来予測
| Project/Area Number |
20K14799
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
前田 紘弥 東京大学, 生産技術研究所, 特任研究員 (90853200)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 道路損傷検知 / 深層学習 / データセット |
|---|
| Outline of Annual Research Achievements |
2021年度に実施することを予定していた「道路損傷検出モデルの高度化・高精度化」について、2020年度に引き続き取り組みを進めている。2021年度は物体検出手法ではなく、画像のピクセルごとに予測結果を出力するセグメンテーションベースの手法の研究を進めた。また、グローバルな大規模な道路巡回データセットの整備を行い、日本、インド、チェコの３カ国における道路損傷の検知モデルを作成した。その際、日本の道路データで作成した道路損傷検知モデルをファインチューニングすることでインド、チェコにおける道路損傷検知モデルを数少ない教師データで作成できることを示した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
2021年度に実施することを予定していた「道路損傷検出モデルの高度化・高精度化」については概ね順調に進捗している。当初は、画像処理と加速度センサー等 の情報を組み合わせることで、損傷検知精度の高精度化を目指すことを想定していたが、2021年度は主に画像処理のみを用いた損傷検出手法について進展があっ た。特に、これまでの物体検知ベースの手法だけでなく、セグメンテーションベースの手法も研究を進めることができた。また、グローバルなデータセットの整備やグローバルに適用可能な損傷検知モデルの研究も進捗し、トップジャーナルの一つであるAutomation in Constructionに採択された。
|
| Strategy for Future Research Activity |
2021年度に想定していた「道路損傷検出モデルの高度化・高精度化」については概ね順調に進捗したため、2022年度以降も当初計画に沿って研究を推進していく。
|
| Causes of Carryover |
学会や出張を伴う打ち合わせがリモート開催となったため旅費に相当する分の差額が生じた。2022年度は現地に赴く出張が発生する見込みであり、計画的に予算を執行していく。
|
