せん断破壊の特徴を深層学習させた識別器によるRC柱の損傷度推定

RC方立壁のせん断破壊の特徴を多く含む地震被害写真を用い，事前学習済みCNNモデルのファインチューニングを行い，せん断破壊が先行するRC柱の地震被害写真から損傷度をII以下，III，IV，Vの4レベルに分類する識別器を生成した。生成に当り，転移学習に比較し畳み込み層を含めたファインチューニングを行うことで，損傷度の推定精度が向上した。また，RC柱のみ矩形検出した画像を用いることで，その推定精度が向上する傾向があった。大破に相当する被害が生じたRC建物の耐震性能残存率について，せん断柱の地震被害写真に基づき正解率85.3%の性能を持つ識別器が推定した損傷度を用い算定した値と専門家の現地調査に基づ...

Full description

Saved in:
Bibliographic Details
Published inコンクリート工学論文集 Vol. 34; pp. 83 - 94
Main Authors 吉岡, 智和, 國友, 弘隆
Format Journal Article
LanguageJapanese
Published 公益社団法人 日本コンクリート工学会 2023
Subjects
RC柱
せん断破壊
損傷度
画像認識
畳み込みニューラルネットワーク
Online AccessGet full text
ISSN1340-4733
2186-2745
DOI10.3151/crt.34.83

Cover

Abstract RC方立壁のせん断破壊の特徴を多く含む地震被害写真を用い，事前学習済みCNNモデルのファインチューニングを行い，せん断破壊が先行するRC柱の地震被害写真から損傷度をII以下，III，IV，Vの4レベルに分類する識別器を生成した。生成に当り，転移学習に比較し畳み込み層を含めたファインチューニングを行うことで，損傷度の推定精度が向上した。また，RC柱のみ矩形検出した画像を用いることで，その推定精度が向上する傾向があった。大破に相当する被害が生じたRC建物の耐震性能残存率について，せん断柱の地震被害写真に基づき正解率85.3%の性能を持つ識別器が推定した損傷度を用い算定した値と専門家の現地調査に基づき推定した値は概ね一致した。
AbstractList RC方立壁のせん断破壊の特徴を多く含む地震被害写真を用い，事前学習済みCNNモデルのファインチューニングを行い，せん断破壊が先行するRC柱の地震被害写真から損傷度をII以下，III，IV，Vの4レベルに分類する識別器を生成した。生成に当り，転移学習に比較し畳み込み層を含めたファインチューニングを行うことで，損傷度の推定精度が向上した。また，RC柱のみ矩形検出した画像を用いることで，その推定精度が向上する傾向があった。大破に相当する被害が生じたRC建物の耐震性能残存率について，せん断柱の地震被害写真に基づき正解率85.3%の性能を持つ識別器が推定した損傷度を用い算定した値と専門家の現地調査に基づき推定した値は概ね一致した。
Author 國友, 弘隆
吉岡, 智和
Author_xml – sequence: 1
  fullname: 吉岡, 智和
  organization: 九州大学大学院　芸術工学研究院環境設計部門
– sequence: 1
  fullname: 國友, 弘隆
  organization: 九州大学大学院　芸術工学府芸術工学専攻
BookMark eNpFUE1Lw0AUXKSCtfbgD0ndt2_zUfAixS8oCKIHT2GTptpSqyS9eExOVVGkovhxqKCWgqRQKBQ96I9ZNvVnmKLgZYYZ5j2YmSeZ5lHTI2QRaAFBhyXXbxWQFyycIVkGlqExk-sZkgXkVOMm4hzJB0HNoYxyk1k6zZI9GT7K6Dq5jSdPI_V8JsPB5PRdfY5k1EnGQzV8UXFv8tWR4c00GXa_4zvVflX3fRm-yagto_PtUtIdpnfJ1YWKxuqjl1z21eBhgcxWRSPw8n-cI7trqzulDa28tb5ZWilrdTANoVVcHYvoGQINU4BwwKEGrXIDHWAcINXCYo6hV0URGEubmBwoYy4i8EpFcMyR5d-_9aAl9j372K8dCv_EFn6r5jY8Ox3FRm7TKVj4bx8I364L_AFQB3wM
ContentType Journal Article
Copyright 2023 公益社団法人 日本コンクリート工学会
Copyright_xml – notice: 2023 公益社団法人 日本コンクリート工学会
DOI 10.3151/crt.34.83
DatabaseTitleList
DeliveryMethod fulltext_linktorsrc
Discipline Engineering
EISSN 2186-2745
EndPage 94
ExternalDocumentID article_crt_34_0_34_83_article_char_ja
GroupedDBID ALMA_UNASSIGNED_HOLDINGS
JSF
KQ8
OK1
RJT
ID FETCH-LOGICAL-j176a-dc5393e6a367a1ab1b060f463b12411b1ba82b65fa9122134741022c3314dda43
ISSN 1340-4733
IngestDate Wed Sep 03 06:30:37 EDT 2025
IsDoiOpenAccess true
IsOpenAccess true
IsPeerReviewed false
IsScholarly true
Language Japanese
LinkModel OpenURL
MergedId FETCHMERGED-LOGICAL-j176a-dc5393e6a367a1ab1b060f463b12411b1ba82b65fa9122134741022c3314dda43
OpenAccessLink https://www.jstage.jst.go.jp/article/crt/34/0/34_83/_article/-char/ja
PageCount 12
ParticipantIDs jstage_primary_article_crt_34_0_34_83_article_char_ja
PublicationCentury 2000
PublicationDate 2023
PublicationDateYYYYMMDD 2023-01-01
PublicationDate_xml – year: 2023
  text: 2023
PublicationDecade 2020
PublicationTitle コンクリート工学論文集
PublicationTitleAlternate jci論文集
PublicationYear 2023
Publisher 公益社団法人 日本コンクリート工学会
Publisher_xml – name: 公益社団法人 日本コンクリート工学会
References 14) TensowFlow:TFRecordsとtf.train.Example，URL:https://www.tensorflow.org/tutorials/load_data/tfrecord?hl=ja，最終閲覧日2022.9.23
12) ImageNet, URL:https://www.image-net.org，最終閲覧日 2023.2.7
6) 國友弘隆，吉岡智和：RC方立壁を対象とした学習済み損傷度識別器のせん断破壊型RC柱への応用，コンクリート工学年次論文集，Vol.44，No.2，pp.1039-1044，2022.6
13) 吉岡智和，竹田昂輔 : 画像測定したコンクリート剥落面積に基づくRC方立壁の部材角推定，日本建築学会技術報告集，28巻，70号，pp.1224-1229，2022.10，https://doi.org/10.3130/aijt.28.1224
2) 日本建築学会：2016年熊本地震災害調査報告，2018.6
4) 森田高市，坂下雅信：ディープラーニングによるRC柱の損傷度判定に関する検討，日本建築学会技術報告集，27巻，66号，pp.756-760，2021.6，https://doi.org/10.3130/aijt.27.756
10) Tan,,M.T. and Le,,Q.V.:EfficientNetV2:Smaller Models and Faster Training, URL：https://arxiv.org/pdf/2104.00298.pdf，最終閲覧日 2022.9.23
15) Selvaraju,,R.R.,, Cogswell,M., Das,A., Vedantam,R., Parikh,D. and Batra,D.:Grad-CAM:Visual Explanations from Deep Networks via Gradient-Based Localization, IEEE International Conference on Computer Vision, pp.618–626, Dec. 2017
11) leondgarse:Keras EfficientNetV2, URL:https://github.com/leondgarse/keras_efficientnet_v2，最終閲覧日 2022.9.23
3) 震災建築物の被災度区分判定基準及び復旧技術指針改訂委員会：震災建築物の被災度区分判定基準および復旧技術指針，日本建築防災協会，2016.3
7) Redmon,J., and Farhadi,A.:YOLOv3:An Incremental Improvement, URL:https://arxiv.org/abs/1804.02767，最終閲覧日 2022.9.23
8) Zhang,Z.:YoloV3 Implemented in TensorFlow 2.0, URL:https://github.com/zzh8829/yolov3-tf2，最終閲覧日 2022.9.23
1) 国土交通省：住宅・建築物の耐震化率のフォローアップのあり方に関する研究会とりまとめ参考資料「住宅・建築物の耐震化率の推計方法及び目標について」，2020.5，URL:https://www.mlit.go.jp/common/001345338.pdf，最終閲覧日 2022.9.23
5) 吉岡智和：深層学習による被害写真を用いたRC方立壁の損傷度識別器の生成，日本建築学会技術報告集，26巻，64号，pp.1252-1257，2020.10，https://doi.org/10.3130/aijt.26.1252
9) Everingham,M., Eslami,S., Gool,L.V., Williams,C., Winn,J., and Zisserman, A. :The Pascal Visual Object Classes Challenge: A Retrospective, International Journal of Computer Vision, 111(1), pp.98–136, Jan. 2015, https://doi.org/10.1007/s11263-014-0733-5
References_xml – reference: 2) 日本建築学会：2016年熊本地震災害調査報告，2018.6
– reference: 14) TensowFlow:TFRecordsとtf.train.Example，URL:https://www.tensorflow.org/tutorials/load_data/tfrecord?hl=ja，最終閲覧日2022.9.23
– reference: 15) Selvaraju,,R.R.,, Cogswell,M., Das,A., Vedantam,R., Parikh,D. and Batra,D.:Grad-CAM:Visual Explanations from Deep Networks via Gradient-Based Localization, IEEE International Conference on Computer Vision, pp.618–626, Dec. 2017
– reference: 11) leondgarse:Keras EfficientNetV2, URL:https://github.com/leondgarse/keras_efficientnet_v2，最終閲覧日 2022.9.23
– reference: 4) 森田高市，坂下雅信：ディープラーニングによるRC柱の損傷度判定に関する検討，日本建築学会技術報告集，27巻，66号，pp.756-760，2021.6，https://doi.org/10.3130/aijt.27.756
– reference: 9) Everingham,M., Eslami,S., Gool,L.V., Williams,C., Winn,J., and Zisserman, A. :The Pascal Visual Object Classes Challenge: A Retrospective, International Journal of Computer Vision, 111(1), pp.98–136, Jan. 2015, https://doi.org/10.1007/s11263-014-0733-5
– reference: 10) Tan,,M.T. and Le,,Q.V.:EfficientNetV2:Smaller Models and Faster Training, URL：https://arxiv.org/pdf/2104.00298.pdf，最終閲覧日 2022.9.23
– reference: 12) ImageNet, URL:https://www.image-net.org，最終閲覧日 2023.2.7
– reference: 13) 吉岡智和，竹田昂輔 : 画像測定したコンクリート剥落面積に基づくRC方立壁の部材角推定，日本建築学会技術報告集，28巻，70号，pp.1224-1229，2022.10，https://doi.org/10.3130/aijt.28.1224
– reference: 1) 国土交通省：住宅・建築物の耐震化率のフォローアップのあり方に関する研究会とりまとめ参考資料「住宅・建築物の耐震化率の推計方法及び目標について」，2020.5，URL:https://www.mlit.go.jp/common/001345338.pdf，最終閲覧日 2022.9.23
– reference: 7) Redmon,J., and Farhadi,A.:YOLOv3:An Incremental Improvement, URL:https://arxiv.org/abs/1804.02767，最終閲覧日 2022.9.23
– reference: 8) Zhang,Z.:YoloV3 Implemented in TensorFlow 2.0, URL:https://github.com/zzh8829/yolov3-tf2，最終閲覧日 2022.9.23
– reference: 3) 震災建築物の被災度区分判定基準及び復旧技術指針改訂委員会：震災建築物の被災度区分判定基準および復旧技術指針，日本建築防災協会，2016.3
– reference: 5) 吉岡智和：深層学習による被害写真を用いたRC方立壁の損傷度識別器の生成，日本建築学会技術報告集，26巻，64号，pp.1252-1257，2020.10，https://doi.org/10.3130/aijt.26.1252
– reference: 6) 國友弘隆，吉岡智和：RC方立壁を対象とした学習済み損傷度識別器のせん断破壊型RC柱への応用，コンクリート工学年次論文集，Vol.44，No.2，pp.1039-1044，2022.6
SSID ssib020472850
ssib006757930
ssj0001085595
Score 2.302336
Snippet ...
SourceID jstage
SourceType Publisher
StartPage 83
SubjectTerms RC柱
せん断破壊
損傷度
画像認識
畳み込みニューラルネットワーク
Title せん断破壊の特徴を深層学習させた識別器によるRC柱の損傷度推定
URI https://www.jstage.jst.go.jp/article/crt/34/0/34_83/_article/-char/ja
Volume 34
hasFullText 1
inHoldings 1
isFullTextHit
isPrint
ispartofPNX コンクリート工学論文集, 2023, Vol.34, pp.83-94
link http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwrV3Na9RAFA-lXvQgfuI3PTjHrElmMpk5TtIsRVGwtFBPIZvdIHuosmwv3nZPVVGkovhxqKCWgrRQKBQ96B8TsvXP8L2ZZN2Kh1q8hLcz7735vXk7O29mJ28s63oOP_sCwn6b5rmEBUqb2ZJnmc1cDy_bzliub2u4fYfPLbKbS_7S1PTUxKmllX6rkT3663slR_EqlIFf8S3Zf_DsWCkUAA3-hSd4GJ6H8jGJKUSCRIaa8IikJOZEcqJmSRwQ5ZCQkdgnCmpVxaxirBKShBKrwljzGHEPxcOAhK6uAmYjPksUR6mwqXlMo_7B1oFoklggsxQoJYD2kZCSKFG3XkMVoibC-UijbupmxxihxCFiVmvyEBQiUhoIJyLWKn3klGoywK60hlQTtCY8oppViVJ1VVQRQquCJgzeylyBYCWvelQAAIm2ivFWprbNwa5EaWjBxe-r5pcIFavBvugAfwQGa5uaSGh-H5Fgn4F-VeuvNmLMW9J60GgpQBehJxCI0j5m6ELUHKKb0X9U-4YhhFAZPMY0js2r6P91EdPI1cTERpljs8AkHWl0dBleR2Z7gUnnWc-G1daymc4EnQiMzGXUf065FEJGGCdZr9-grFELHMhgXo2PBHgSyhIHH4Im4-L7aS_pwhrnmBcELs5Mt-5OzAmBH8jfS1wPs5uK6p94vY-KBy315UpjE00CMQR2YwwLAswuLLfqo5o6elw4ZZ2sln0zyoA5bU110zPWiYlkoGete8XgfTF8OXq9tf9ht_z4pBhs7z_-Wn7fLYZro72dcudTubWx_2OtGLxCzsH6z6035ern8u1mMfhSDFeL4dP5aLS-A3KjF8_K4V75bWP0fLPcfnfOWmzGC9GcXV18YnfdgKd2O_OppB2eUh6kbtpyWw53csZpC6Jx14XPqfBa3M9T6XqYkhGWBRCLZ5S6rN1OGT1vTS8_WO5csGb8PPMD18vasI5jQcdPaQrBqpeLFvRcJ8svWr7pl-ShyW6THM5bl44od9k6jmPHbGJesab7vZXOVQjr-61r2u-_ACGuxow
linkProvider Colorado Alliance of Research Libraries
openUrl ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E3%81%9B%E3%82%93%E6%96%AD%E7%A0%B4%E5%A3%8A%E3%81%AE%E7%89%B9%E5%BE%B4%E3%82%92%E6%B7%B1%E5%B1%A4%E5%AD%A6%E7%BF%92%E3%81%95%E3%81%9B%E3%81%9F%E8%AD%98%E5%88%A5%E5%99%A8%E3%81%AB%E3%82%88%E3%82%8BRC%E6%9F%B1%E3%81%AE%E6%90%8D%E5%82%B7%E5%BA%A6%E6%8E%A8%E5%AE%9A&rft.jtitle=%E3%82%B3%E3%83%B3%E3%82%AF%E3%83%AA%E3%83%BC%E3%83%88%E5%B7%A5%E5%AD%A6%E8%AB%96%E6%96%87%E9%9B%86&rft.au=%E5%90%89%E5%B2%A1%2C+%E6%99%BA%E5%92%8C&rft.au=%E5%9C%8B%E5%8F%8B%2C+%E5%BC%98%E9%9A%86&rft.date=2023&rft.pub=%E5%85%AC%E7%9B%8A%E7%A4%BE%E5%9B%A3%E6%B3%95%E4%BA%BA+%E6%97%A5%E6%9C%AC%E3%82%B3%E3%83%B3%E3%82%AF%E3%83%AA%E3%83%BC%E3%83%88%E5%B7%A5%E5%AD%A6%E4%BC%9A&rft.issn=1340-4733&rft.eissn=2186-2745&rft.volume=34&rft.spage=83&rft.epage=94&rft_id=info:doi/10.3151%2Fcrt.34.83&rft.externalDocID=article_crt_34_0_34_83_article_char_ja
thumbnail_l http://covers-cdn.summon.serialssolutions.com/index.aspx?isbn=/lc.gif&issn=1340-4733&client=summon
thumbnail_m http://covers-cdn.summon.serialssolutions.com/index.aspx?isbn=/mc.gif&issn=1340-4733&client=summon
thumbnail_s http://covers-cdn.summon.serialssolutions.com/index.aspx?isbn=/sc.gif&issn=1340-4733&client=summon