災害時の機械学習システムの特性を考慮した建物被害検出システムの開発

点击翻译按钮获取中文摘要

(a)倒壊建物自動検出モデルの開発熊本地震時に撮影された空撮映像から深層学習を用いたMultiple Object Trackingにより，倒壊建物を自動検出するモデルの開発を行った．倒壊建物の外接四角形がアノテーションされた約15,000枚のフレーム画像により学習させたモデルを構築・評価した．4回の交差検証の結果，倒壊建物検出の平均再現率は29.1%，平均適合率は36.7%であった．(b)検出結果の定量・定性分析定量分析として，映像中の建物の外接四角形のアスペクト比が低い，言い換えると縦長に見えるほど検出の再現率が高いことがわかった．定性分析として，(1)多くの屋根被害を無視できていたこと，(2)大きな被害はないが層崩壊を起こしている建物を検出できていたことから，日本の建物の被害特徴をある程度捉えていたことが観察された．しかし，モデルが見逃した倒壊建物データのうち24.1%は屋根被害がなく，誤検出した建物のうち42.2%は屋根被害があった．このことから，モデルは建物本体に加えて屋根被害も検出の特徴として利用していることがわかった．今後は，倒壊と被害のクラスを分けて検出することが必要であると結論づけた．(c)効果的なドローンの撮影方法の分析(b)の定量分析から再現率が63.9%にまで上昇する条件である，建物のアスペクト比，出現時間，移動速度を設定し，その条件を満たすためのドローンの撮影方法を分析した．建物の形や配置，ドローンの飛行方法を簡易的に仮定すると，撮影角度36度，高度106mのとき上記の条件を満たす地上の領域が最大となることがわかった．