Home&濒迟;研究に関すること&驳迟;
広島大学 大学院先进理工系科学研究科
准教授 三浦 弘之
TEL: 082-424-7798
E-mail: hmiura＊hiroshima-u.ac.jp
(注：＊は半角蔼に置き换えてください)
本研究成果のポイント
- 人工知能(础滨)技术のひとつである深层学习(*1)を利用して、灾害后に撮影された航空写真から建物の被害程度を判别する手法を开発しました。本手法により、倒壊した建物、无被害の建物、屋根にブルーシートがかけられた建物を自动的に短时间で判别することができます。
- 1995年兵库県南部地震や2016年熊本地震による建物被害データを基にして判别モデルを构筑し、2019年9月に発生した台风15号による建物被害に対しても精度良く被害を判别できることを明らかにしました。特に本研究の独创的な点は、现地调査による详细な建物被害データを基にして深层学习モデルを构筑したこと、复数の灾害に対して手法の适用性を明らかにしたことにあります。
- 将来、広域?大规模な自然灾害が発生した际には、短时间で个々の建物被害状况を把握することが可能となり、迅速かつ适切な灾害対応に役立つと期待されます。
概要
広島大学大学院先进理工系科学研究科の三浦弘之准教授および東京工業大学環境?社会理工学院の松岡昌志教授の研究グループは、AI技術のひとつである深層学習を利用して、災害後に撮影された航空写真から建物の被害程度を自動的に判別する手法を開発しました。
地震や台风のような大规模で広域の自然灾害后には、适切な応急対応や早期復旧计画を立案するために、できるだけ早く被灾范囲や被害量を把握する必要があります。特に建物被害に関しては、被害の広がりを把握するために、倒壊のような大被害だけでなく、中程度の被害の把握も重要になります。本研究では、1995年兵库県南部地震および2016年熊本地震における航空写真データおよび现地调査で得られた建物被害データを利用して、建物の被害程度と航空写真の特徴の分析を通して、倒壊した建物ではガレキが散乱する様子が画像から明瞭に把握できること、屋根面にブルーシートが覆われている建物(以下、ブルーシート建物)の多くは中程度の被害レベルであること等を明らかにしました。そこで、2つの地震で得られた航空写真データと建物被害データを深层学习によって学习し、撮影された建物の被害程度を倒壊建物、无被害建物、ブルーシート建物へ自动的に分类するモデルを构筑しました。
本研究では、深层学习として畳み込みニューラルネットワーク(以下颁狈狈)(*2)と呼ばれる手法を适用しました。颁狈狈は画像认识の分野で近年広く利用されている技术で、画像上の物体を判别?分类するのに适しています。2つの地震で得られたデータを学习用?検証用データに分け、颁狈狈によって学习用データで学习した上で、検証用データへ适用したところ、95%以上の精度で被害を正しく判别できることが确认されました。また、本手法を2019年9月に発生した台风15号で甚大な被害が生じた千叶県锯南町での航空写真データに适用したところ、90%以上の高い精度で被害を判别できることが确认されました。
提案された方法を利用することにより、短时间で自动的に建物被害の分布を把握することが可能となり、将来発生する広域自然灾害の早期対応时における基础情报として活用されることが期待されます。
本研究成果をまとめた論文が、MDPI 社の学術雑誌「Remote Sensing」に採択され、 MDPI 社のライブラリにオンライン掲載されました。
(図1) 航空写真上の建物被害と実際の建物の様子の比較 (2016年熊本地震での益城町での被害)
用语解説
(※1) 深層学習
ディープラーニングとも呼ばれ、人间の脳神経回路をモデルとした多层の人工ニューラルネットワークを用いて学习を行う机械学习の手法のひとつである。近年の人工知能技术を支える手法のひとつである。
(※2) 畳み込みニューラルネットワーク
Convolutional Neural Network(略してCNNと呼ばれることが多い)。深層学習の手法の中でも特に画像認識技術で高い性能を示す手法である。畳み込みと呼ばれる画像のフィルタリングとプーリングと呼ばれる情報の集約などの処理を多層的に組み合わせることで、画像から特徴的な指標を抽出し、それを学習することで画像の判別?分類を行う。
论文情报
- 掲載誌: Remote Sensing
- 論文タイトル: Deep Learning-based Identification of Collapsed, Non-collapsed and Blue Tarp-Covered Buildings from Post-Disaster Aerial Images
- 著者名: Hiroyuki Miura, Tomohiro Aridome and Masashi Matsuoka
- DOI: 10.3390/rs12121924
【お问い合わせ先】
