Title:
構造物劣化検出システム
Document Type and Number:
Japanese Patent JP7150468
Kind Code:
B2
Abstract:
To provide a technique capable of shortening a time including a calculation time required for learning and diagnosis in a computer and a user's work time and reducing a user's work load.SOLUTION: A computer system 1 (application 10) of a structure deterioration detection system executes first processing using the deep learning of a first image of a structure 5 as an input to output a second image representing a diagnosis result of deterioration and second processing for visualizing information including a second image to display the visualized information on a GUI screen 21. A CNN consisting of a model 31 of the deep learning includes a widening convolution layer. The first process at a training time inputs a first image patch of a predetermined first input size to the model 31 to obtain a first diagnosis result image of a first output size. The first process at a diagnosis time inputs a second image patch of a second input size to the model 31 from a target image of a variable size to obtain a second diagnosis result image of a second output size.SELECTED DRAWING: Figure 1
Inventors:
Yuki Inoue
Hiroto Nagayoshi
Shunsuke Ohta
Kentaro Onishi
Narita Kani
Takashi Noguchi
Ryoichi Ueda
Masato Nakamura
Daisuke Katsumata
Hiroto Nagayoshi
Shunsuke Ohta
Kentaro Onishi
Narita Kani
Takashi Noguchi
Ryoichi Ueda
Masato Nakamura
Daisuke Katsumata
Application Number:
JP2018093639A
Publication Date:
October 11, 2022
Filing Date:
May 15, 2018
Export Citation:
Assignee:
Hitachi Systems Co., Ltd.
International Classes:
G06T7/00; G01N21/88; G06V10/82
Other References:
Mohammad Azam Khan et al.,Intelligent Fault Detection via Dilated Convolutional Neural Networks,2018 IEEE International Conference on Big Data and Smart Computing (BigComp),IEEE,2018年01月17日,729-731,https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8367217
畳み込みニューラルネットワークを用いた地下鉄トンネルにおける変状検出に関する検討,映像情報メディア学会技術報告 Vol.41 No.5,映像情報メディア学会,2017年02月13日,81-86,マルチメディアストレージ (MMS2017-13) コンシューマエレクトロニクス (CE2017-13) ヒューマンインフォメーション (HI2017-13) メディア工学 (ME2017-37) 映像表現&コンピュータグラフィックス (AIT2017-13)
Lei Zhang et al.,Road crack detection using deep convolutional neural network,2016 IEEE International Conference on Image Processing (ICIP),IEEE,2016年08月19日,3708-3712,https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=7533052
Zhun Fan et al.,Automatic Pavement Crack Detection Based on Structured Prediction with the Convolutional Neural Network,Computer Vision and Pattern Recognition (cs.CV) arXiv:1802.02208, [online],2018年02月01日,[令和4年4月21日検索],インターネット,https://arxiv.org/pdf/1802.02208.pdf
畳み込みニューラルネットワークを用いた地下鉄トンネルにおける変状検出に関する検討,映像情報メディア学会技術報告 Vol.41 No.5,映像情報メディア学会,2017年02月13日,81-86,マルチメディアストレージ (MMS2017-13) コンシューマエレクトロニクス (CE2017-13) ヒューマンインフォメーション (HI2017-13) メディア工学 (ME2017-37) 映像表現&コンピュータグラフィックス (AIT2017-13)
Lei Zhang et al.,Road crack detection using deep convolutional neural network,2016 IEEE International Conference on Image Processing (ICIP),IEEE,2016年08月19日,3708-3712,https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=7533052
Zhun Fan et al.,Automatic Pavement Crack Detection Based on Structured Prediction with the Convolutional Neural Network,Computer Vision and Pattern Recognition (cs.CV) arXiv:1802.02208, [online],2018年02月01日,[令和4年4月21日検索],インターネット
Attorney, Agent or Firm:
Patent Attorney Tsutsui International Patent Office