[4F3-GS-10] AI応用：都市・環境・建築計画

[4F3-GS-10-05] pix2pixを用いた地中レーダ画像のデータかさ増しとその効果

〇木本 智幸¹、松井 翔太¹、園田 潤² (1. 大分高専、2. 仙台高専)

キーワード：地中レーダ、画像生成、FDTD法

道路下の空洞化現象による陥没事故などを未然に防ぐために、非破壊で検査できる地中レーダが数多く利用されている。しかし、地中レーダは空洞や埋設管等の地下物体からの反射波を画像化したものであり、反射物が空洞であるかを見極めることは容易ではない。そこで、地中レーダ画像を深層学習で学習させる試みが行われている。深層学習を行うには地中レーダ画像に加え、それが空洞であるかの正解ラベルも手に入れる必要があるが、正解ラベルは掘って調べるしかなく、大量の画像を集めることは不可能である。この問題に対処するために我々は、FDTD法による物理シミュレーションでレーダ画像を大量に生成する手法を試みてきたが、FDTD法は大きな計算機パワーを要するため数万枚の生成に数ケ月の時間を要する問題にぶつかっていた。そこで本研究では、FDTD法による少量のシミュレーション画像と条件付きGANの一種であるpix2pixを用いることで、高速に大量のレーダ画像を生成する手法を提案する。こうして生成された画像が有効であるかを確かめるために、生成されたレーダ画像をCNNで学習させた結果、識別率が向上することが分かった。