| 講演要旨(和文) | | 他の探査手法に比べて簡便かつ低コストであるという点から，都市部の浅部調査における地中レーダ法探査の需要は近年大きく高まっている．また，非破壊的な調査であるという点もGPR法探査の需要の拡大を担っており，その需要の拡大に伴い，データ取得技術の発展はより効率的な情報の取得を可能にした．一方，データの解釈自体は未だに専門家の判断に委ねられており，取得されたデータに対応しきれていないのが現状である．そこで，この課題を解決する手段として，深層学習の利用が台頭し始めた．しかしながら，深層学習(とりわけ教師あり学習)においては初めに与えられるべきデータ(学習データ)に対して充分な質と量が保証されていなければならない．これを解決するアプローチとして，我々はオープンソースシミュレータであるgprMaxを用いて得られた数値計算結果を利用し，得られた人工的なデータが深層学習による解析に利用できうることを示した． |
|
|
| | 講演要旨(英文) | | In recent years, the demand for the ground-penetrating radar (GPR) method has increased because of its simplicity, especially for shallow subsurface exploration in urban areas. Currently, rapid improvements in data acquisition technology have enabled more efficient collection of subsurface information via the GPR method. In contrast, the recognition of the data remains an exercise conducted by experts such as experienced engineers. To overcome this problem,"deep learning" technology has received attention in recent years. In deep learning, particularly supervised learning, labeled training data must be of adequate quantity and quality, which is the primary task of deep learning. In order to establish the datasets efficiently and sufficiently, we have generated learning data based on calculated data with an open-source simulator, gprMax, which simulates electromagnetic waves via the finite difference time-domain method, and tried a simple distinction by the dataset. |
|
|
|
| |
|