第５部門①

[2E01-05-04] 変状検出安定化に向けた画像の共変量シフト抑制に関する分析

*吉田 龍人¹、都築 幸乃¹、藤井 純一郎¹、山下 隆義² (1. 八千代エンジニヤリング株式会社、2. 中部大学)

キーワード：共変量シフト、ひび割れ、深層学習

共変量シフトはパターン認識の精度を低下させる要因である。屋外で撮影した画像において、天候の違いなどが生む画像のバリエーションは共変量シフトを発生させるため、画像認識を用いたインフラ維持管理の自動化における課題となっている。本研究の最終目標は共変量シフトを抑制する前処理手法を確立し，ドメインに依らない安定した変状検出を達成することである。この目標を受けて、本論文ではニューラルネットワークを用いたひび割れ検出モデルにおいて、撮影日の異なる入力画像とモデルの中間層の分析を行い、入力の分布の違いがモデルの特徴抽出結果に与える影響を明らかにする。