論文の概要: Automatic Extraction of Road Networks by using Teacher-Student Adaptive Structural Deep Belief Network and Its Application to Landslide Disaster
- arxiv url: http://arxiv.org/abs/2511.05567v1
- Date: Tue, 04 Nov 2025 09:07:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-11 21:18:44.450393
- Title: Automatic Extraction of Road Networks by using Teacher-Student Adaptive Structural Deep Belief Network and Its Application to Landslide Disaster
- Title（参考訳）: 教師適応型構造深層ネットワークを用いた道路網の自動抽出と地すべり災害への適用
- Authors: Shin Kamada, Takumi Ichimura,
- Abstract要約: 本稿では,ロードトラッカーと呼ばれる道路ネットワークシステムの自動認識手法に適用する。
RoadTracerは航空写真データから地上の道路地図を生成することができる。
適応DBNの教師学習に基づくアンサンブル学習モデルを用いたRoadTracerの新しい手法を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: An adaptive structural learning method of Restricted Boltzmann Machine (RBM) and Deep Belief Network (DBN) has been developed as one of prominent deep learning models. The neuron generation-annihilation algorithm in RBM and layer generation algorithm in DBN make an optimal network structure for given input during the learning. In this paper, our model is applied to an automatic recognition method of road network system, called RoadTracer. RoadTracer can generate a road map on the ground surface from aerial photograph data. A novel method of RoadTracer using the Teacher-Student based ensemble learning model of Adaptive DBN is proposed, since the road maps contain many complicated features so that a model with high representation power to detect should be required. The experimental results showed the detection accuracy of the proposed model was improved from 40.0\% to 89.0\% on average in the seven major cities among the test dataset. In addition, we challenged to apply our method to the detection of available roads when landslide by natural disaster is occurred, in order to rapidly obtain a way of transportation. For fast inference, a small size of the trained model was implemented on a small embedded edge device as lightweight deep learning. We reported the detection results for the satellite image before and after the rainfall disaster in Japan.
- Abstract（参考訳）: Restricted Boltzmann Machine (RBM) とDeep Belief Network (DBN) の適応型構造学習法が、著名なディープラーニングモデルの一つとして開発されている。
RBMのニューロン生成消滅アルゴリズムとDBNの層生成アルゴリズムは、学習中に与えられた入力に対して最適なネットワーク構造を作る。
本稿では,ロードトラッカーと呼ばれる道路ネットワークシステムの自動認識手法に適用する。
RoadTracerは航空写真データから地上の道路地図を生成することができる。
適応DBNの教師・学生によるアンサンブル学習モデルを用いたロードトラッカーの新しい手法を提案する。
実験結果から, 提案モデルの検出精度は, テストデータセット中の7大都市の平均で40.0\%から89.0\%に向上した。
また, 自然災害による地すべりの発生時に, 利用可能な道路の検知に本手法を適用し, 交通手段の迅速な取得に挑戦した。
高速な推論のために、訓練されたモデルの小さなサイズを、軽量なディープラーニングとして、小さな組み込みエッジデバイスに実装した。
日本における降雨災害前後の衛星画像の検出結果について報告する。
関連論文リスト
- Radio Map Prediction from Aerial Images and Application to Coverage Optimization [46.870065000932016]
畳み込みニューラルネットワークを用いた経路損失無線マップの予測に着目する。
既存の無線地図データセットに対して開発された最先端モデルがこの課題に効果的に適応できることを示す。
UNetDCNと呼ばれる新しいモデルを導入し、複雑さを低減した最先端モデルと比較して、同等以上の性能を実現した。
論文 参考訳（メタデータ） (2024-10-07T09:19:20Z) - TEDNet: Twin Encoder Decoder Neural Network for 2D Camera and LiDAR Road Detection [2.8038082486377114]
道路面の正確な推定のために,新しい畳み込みニューラルネットワークモデルを提案する。
我々のモデルは、独立カメラとLiDAR機能抽出にTwin-Decoder Neural Network(TEDNet)を用いている。
このモデルでは、カメラとLiDARデータのバードアイビュー投影を用いて、各ピクセルが路面に属するか否かのセマンティックセグメンテーションを行う。
論文 参考訳（メタデータ） (2024-05-14T08:45:34Z) - Auto-Train-Once: Controller Network Guided Automatic Network Pruning from Scratch [72.26822499434446]
オートトレインオース (Auto-Train-Once, ATO) は、DNNの計算コストと記憶コストを自動的に削減するために設計された、革新的なネットワークプルーニングアルゴリズムである。
総合的な収束解析と広範な実験を行い,本手法が様々なモデルアーキテクチャにおける最先端性能を実現することを示す。
論文 参考訳（メタデータ） (2024-03-21T02:33:37Z) - Road Rutting Detection using Deep Learning on Images [0.0]
道路ラッティングは、道路の早期かつコストのかかる保守コストの早期の故障を引き起こす深刻な道路難題である。
本稿では,949個の画像からなる新しい道路ラッティングデータセットを提案し,オブジェクトレベルのアノテーションとピクセルレベルのアノテーションを提供する。
オブジェクト検出モデルとセマンティックセグメンテーションモデルは,提案したデータセット上での道路変動を検出するためにデプロイされた。
論文 参考訳（メタデータ） (2022-09-28T16:53:05Z) - Learning to Learn with Generative Models of Neural Network Checkpoints [71.06722933442956]
ニューラルネットワークのチェックポイントのデータセットを構築し,パラメータの生成モデルをトレーニングする。
提案手法は,幅広い損失プロンプトに対するパラメータの生成に成功している。
我々は、教師付きおよび強化学習における異なるニューラルネットワークアーキテクチャとタスクに本手法を適用した。
論文 参考訳（メタデータ） (2022-09-26T17:59:58Z) - Neurosymbolic hybrid approach to driver collision warning [64.02492460600905]
自律運転システムには2つの主要なアルゴリズムアプローチがある。
ディープラーニングだけでは、多くの分野で最先端の結果が得られています。
しかし、ディープラーニングモデルが機能しない場合、デバッグが非常に難しい場合もあります。
論文 参考訳（メタデータ） (2022-03-28T20:29:50Z) - Spatial-Temporal Map Vehicle Trajectory Detection Using Dynamic Mode
Decomposition and Res-UNet+ Neural Networks [0.0]
本稿では,高角交通カメラから車両軌跡を抽出する,機械学習による縦走査法を提案する。
空間時間マップ(STMap)をスパースフォアグラウンドおよびローランク背景に分解することにより,車両ストランドの抽出に動的モード分解(DMD)法を適用した。
Res-UNet+という名前のディープニューラルネットワークは、2つの一般的なディープラーニングアーキテクチャを適用することでセマンティックセグメンテーションタスクのために設計された。
論文 参考訳（メタデータ） (2022-01-13T00:49:24Z) - An Embedded System for Image-based Crack Detection by using Fine-Tuning
model of Adaptive Structural Learning of Deep Belief Network [0.0]
Restricted Boltzmann Machine (Adaptive RBM) と Deep Belief Network (Adaptive DBN) の適応型構造学習法を開発した。
本手法は,具体的な画像ベンチマークデータセットであるSDNET 2018を用いてき裂検出を行った。
本稿では,提案するAdaptive DBNを,ドローン上でのリアルタイム推論のためのGPUを備えた小型PCに埋め込んだ。
論文 参考訳（メタデータ） (2021-10-25T07:28:50Z) - Automatic Extraction of Road Networks from Satellite Images by using
Adaptive Structural Deep Belief Network [0.0]
本研究では,ロードトラッカーと呼ばれる道路網の自動認識手法に適用する。
RoadTracerは航空写真データから地上の道路地図を生成することができる。
精度と計算時間を改善するため,我々のAdaptive DBNはCNNの代わりにRoadTracer上に実装された。
論文 参考訳（メタデータ） (2021-10-25T07:06:10Z) - Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for
Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。
我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。
本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文 参考訳（メタデータ） (2020-07-28T07:34:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。