平成29年度評価委員会(情報・人間工学領域)評価報告書
73/118

国立研究開発法人産業技術総合研究所ひび割れ検出技術の開発アプロー2.統計的パターン認識+AI微小領域内画素どうし関係性を、適切に設計した特徴空間でベクトル化し、これに学習型識別器を構成して適用する・「ひび」そもが特徴空間上で集まる・集まった部分を精度良く分類する→AI元画像検出(識別)閾値判定積み重検出(識別)機械学習によるパターン(ベクトル)識別特徴抽出輝度値二値化、微分、etc..・物理的な量や幾何学的情報を読み取る二値化微分ノイズを拾う途切れる特徴抽出・近傍と関係を表現した統計量ひび割れ局所的な形状特徴をパターンとして抽出…集計ベクトル化150:1.従来モデル計測アプローチ人が設定したモデルに基づき多数ルールを適用する・ひび割れ黒い→二値化・ギザギザ線からなる→線分検出・長い直線ひび割れでない・・・69国立研究開発法人産業技術総合研究所ひび割れ検出精度の考え方70赤色:ひび割れを正しく検出した部分白色:ひび割れだが検出されなかった部分=見落とし黄色:ひび割れでないに検出された部分=過検出Recall(再現率)正しく検出したひび割れ検出すべきひび割れ部位Precision(適合率)=+正しく検出したひび割れ=+検出した全部位精度評価観点:見落としと過検出従来、見落とさないことを重視するあまり、Recall観点から性能が示されていたしかし、実用上Precision観点も不可欠一般的にRecallとPrecisionトレードオフ関係にあり、両者を含んだ評価が必要- 69 -

元のページ  ../index.html#73

このブックを見る