[H-TT19] 浅部物理探査が目指す新しい展開

[HTT19-09] 畳み込み深層学習および自己符号化器を用いた地中レーダ画像からの物体検出

*石塚 師也¹、磯 真一郎²、尾西 恭亮³、松岡 俊文⁴ (1.北海道大学大学院 、2.早稲田大学理工学術院、3.土木研究所、4.深田地質研究所)

キーワード：地中レーダ、畳み込み深層学習、物体検出

地中レーダの実用化が進み、取得される画像量が増加しており、地中レーダ画像に含まれる埋設物や空洞からの反射イベントを高精度に自動抽出するアルゴリズムの開発が重要となっている。本研究では、近年発展の目覚ましい深層学習を用いて、地中レーダ画像から物体からの反射を自動抽出するアルゴリズムを開発し、精度検証を行った。開発した手法では、以下の手順によって地中レーダ中の物体の自動抽出および地下媒質との比誘電率の大小による分類を行った。まず、(1)ラベル付き教師画像の作成をし、(2)畳み込み深層学習によるラベル付き教師画像の学習を行った。続いて、(3)最適化した深層学習ネットワークの適用による反射イベントの検出を行い、(4)自己符号化器を用いて、比誘電率が周囲より低い物体からの反射イベントの検出を行った。

精度検証の結果、畳み込み深層学習を用いることで99.7―99.9 %の精度で教師画像を学習することができ、93.9－99.7 %の精度で検証画像の分類をすることができた。一方、同様の画像で中間層3層のニューラルネットワークに適用したところ、分類精度は41.9－57.9 %の精度であった。また、同一の極性を示す画像を学習させた自己符号化器を適用したところ、極性パターンの異なるイベントを複数抽出することができた。これらの異なる極性パターンは、周囲より誘電率の小さい物体からの反射に対応する。本研究の結果は、深層学習を用いた地中レーダ画像からの物体抽出の有効性を示していると考えている。