[1F4-GS-10] AI応用：画像解析

[1F4-GS-10-04] Focal Tversky Lossによる護岸のひび割れセグメンテーションの精度向上

〇都築 幸乃¹、吉田 龍人¹、大久保 順一¹、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：深層学習、維持管理、Semantic Segmentation、Focal Tversky Loss、不均衡データ

画像セグメンテーション技術を用いて、河川コンクリート護岸のひび割れを検出する手法が研究されている。しかし、分類対象であるひび割れは背景に比べてその領域が非常に小さい。このような不均衡データで訓練されるモデルは、データ数の少ないクラスよりもデータ数の多いクラスの影響を強く受けた最適化が行われるため、予測精度が不安定であることが知られている。そこで本稿では、ひび割れ検出精度を向上させるために、不均衡データにロバストな損失関数であるFocal Tversky Lossの採用を試みた。Focal Tversky Lossを用いたモデルは、一般的に用いられるBinary Cross EntropyやDice Lossと比較して、ひび割れ検出精度が高いことが示された。また、セグメンテーションモデルにAttention機構を導入することで、画像のどの部分に着目してセグメンテーションが行われたのかという判断根拠を表す可視化画像の生成を行った。