Suche senden
Hochladen
Pix2pixによるcs立体図の地すべり検出
•
Als PPTX, PDF herunterladen
•
1 gefällt mir
•
1,146 views
Ryousuke Wayama
Folgen
Pix2pixによるcs立体図の地すべり検出
Weniger lesen
Mehr lesen
Ingenieurwesen
Melden
Teilen
Melden
Teilen
1 von 5
Jetzt herunterladen
Empfohlen
環境マッピング
環境マッピング
康弘 等々力
09遺跡分布を分析する〜カーネル密度推定〜
09遺跡分布を分析する〜カーネル密度推定〜
Junpei Ishii
データ可視化に関するあるアイデア
データ可視化に関するあるアイデア
Tokai University
Moteki apl extra-wingdemo_130402
Moteki apl extra-wingdemo_130402
耕作 茂木
03紙地図をGISで使う
03紙地図をGISで使う
Junpei Ishii
02ラスタデータを利用した地形指標の作成と地図表現
02ラスタデータを利用した地形指標の作成と地図表現
Junpei Ishii
D3.jsとthree.jsによるgeoプログラミング
D3.jsとthree.jsによるgeoプログラミング
Koichiro Mori
05QGISで地図印刷
05QGISで地図印刷
Junpei Ishii
Empfohlen
環境マッピング
環境マッピング
康弘 等々力
09遺跡分布を分析する〜カーネル密度推定〜
09遺跡分布を分析する〜カーネル密度推定〜
Junpei Ishii
データ可視化に関するあるアイデア
データ可視化に関するあるアイデア
Tokai University
Moteki apl extra-wingdemo_130402
Moteki apl extra-wingdemo_130402
耕作 茂木
03紙地図をGISで使う
03紙地図をGISで使う
Junpei Ishii
02ラスタデータを利用した地形指標の作成と地図表現
02ラスタデータを利用した地形指標の作成と地図表現
Junpei Ishii
D3.jsとthree.jsによるgeoプログラミング
D3.jsとthree.jsによるgeoプログラミング
Koichiro Mori
05QGISで地図印刷
05QGISで地図印刷
Junpei Ishii
データパイプラインツールLuigiを使ってCS立体図をワンストップ演算する FOSS4G 2017 Tokyo
データパイプラインツールLuigiを使ってCS立体図をワンストップ演算する FOSS4G 2017 Tokyo
Kunihiko Miyoshi
01GIS概論
01GIS概論
Junpei Ishii
2013 DS5 FinalReview 11N1104 6つの小さな集合体
2013 DS5 FinalReview 11N1104 6つの小さな集合体
11n1104
2013 DS5 FinalReview 11N1104 6つの小さな集合体
2013 DS5 FinalReview 11N1104 6つの小さな集合体
11n1104
06コスト距離とコストパス解析
06コスト距離とコストパス解析
Junpei Ishii
04ベクタデータを利用した地図表現
04ベクタデータを利用した地図表現
Junpei Ishii
Demosaicing(デモザイキング)
Demosaicing(デモザイキング)
Morpho, Inc.
UDC2017_ファイナル_osm2RRSgml
UDC2017_ファイナル_osm2RRSgml
CSISi
GRASSセミナー基礎編
GRASSセミナー基礎編
Kanetaka Heshiki
Deep Sketch Hashing
Deep Sketch Hashing
Kai Katsumata
Josm
Josm
Masaya Oike
様々なデータソースからの地形作成
様々なデータソースからの地形作成
Osamu Inoue
2012アーバニズム_A1_ル・コルビュジエ「ヴォアザン計画」_大塚悠乃_11n1028
2012アーバニズム_A1_ル・コルビュジエ「ヴォアザン計画」_大塚悠乃_11n1028
11n1028
2012アーバニズム_A1_ル・コルビュジエ「ヴォアザン計画」_大塚悠乃_11n1028
2012アーバニズム_A1_ル・コルビュジエ「ヴォアザン計画」_大塚悠乃_11n1028
11n1028
2012アーバニズム_B3_ブロード・エーカー・シティとレヴィット・タウン_大塚悠乃_11n1028
2012アーバニズム_B3_ブロード・エーカー・シティとレヴィット・タウン_大塚悠乃_11n1028
11n1028
GRASSセミナー応用編
GRASSセミナー応用編
Kanetaka Heshiki
Deep Learning with FOSS4G
Deep Learning with FOSS4G
Ryousuke Wayama
現在のDNNにおける未解決問題
現在のDNNにおける未解決問題
Daisuke Okanohara
[DL輪読会]Image-to-Image Translation with Conditional Adversarial Networks
[DL輪読会]Image-to-Image Translation with Conditional Adversarial Networks
Deep Learning JP
生成モデルの Deep Learning
生成モデルの Deep Learning
Seiya Tokui
空撮画像技術と3次元リアルタイムデータの可視化について
空撮画像技術と3次元リアルタイムデータの可視化について
Ryousuke Wayama
Foss4 g2016 kansai_v1_a4
Foss4 g2016 kansai_v1_a4
OSgeo Japan
Weitere ähnliche Inhalte
Was ist angesagt?
データパイプラインツールLuigiを使ってCS立体図をワンストップ演算する FOSS4G 2017 Tokyo
データパイプラインツールLuigiを使ってCS立体図をワンストップ演算する FOSS4G 2017 Tokyo
Kunihiko Miyoshi
01GIS概論
01GIS概論
Junpei Ishii
2013 DS5 FinalReview 11N1104 6つの小さな集合体
2013 DS5 FinalReview 11N1104 6つの小さな集合体
11n1104
2013 DS5 FinalReview 11N1104 6つの小さな集合体
2013 DS5 FinalReview 11N1104 6つの小さな集合体
11n1104
06コスト距離とコストパス解析
06コスト距離とコストパス解析
Junpei Ishii
04ベクタデータを利用した地図表現
04ベクタデータを利用した地図表現
Junpei Ishii
Demosaicing(デモザイキング)
Demosaicing(デモザイキング)
Morpho, Inc.
UDC2017_ファイナル_osm2RRSgml
UDC2017_ファイナル_osm2RRSgml
CSISi
GRASSセミナー基礎編
GRASSセミナー基礎編
Kanetaka Heshiki
Deep Sketch Hashing
Deep Sketch Hashing
Kai Katsumata
Josm
Josm
Masaya Oike
様々なデータソースからの地形作成
様々なデータソースからの地形作成
Osamu Inoue
2012アーバニズム_A1_ル・コルビュジエ「ヴォアザン計画」_大塚悠乃_11n1028
2012アーバニズム_A1_ル・コルビュジエ「ヴォアザン計画」_大塚悠乃_11n1028
11n1028
2012アーバニズム_A1_ル・コルビュジエ「ヴォアザン計画」_大塚悠乃_11n1028
2012アーバニズム_A1_ル・コルビュジエ「ヴォアザン計画」_大塚悠乃_11n1028
11n1028
2012アーバニズム_B3_ブロード・エーカー・シティとレヴィット・タウン_大塚悠乃_11n1028
2012アーバニズム_B3_ブロード・エーカー・シティとレヴィット・タウン_大塚悠乃_11n1028
11n1028
GRASSセミナー応用編
GRASSセミナー応用編
Kanetaka Heshiki
Was ist angesagt?
(16)
データパイプラインツールLuigiを使ってCS立体図をワンストップ演算する FOSS4G 2017 Tokyo
データパイプラインツールLuigiを使ってCS立体図をワンストップ演算する FOSS4G 2017 Tokyo
01GIS概論
01GIS概論
2013 DS5 FinalReview 11N1104 6つの小さな集合体
2013 DS5 FinalReview 11N1104 6つの小さな集合体
2013 DS5 FinalReview 11N1104 6つの小さな集合体
2013 DS5 FinalReview 11N1104 6つの小さな集合体
06コスト距離とコストパス解析
06コスト距離とコストパス解析
04ベクタデータを利用した地図表現
04ベクタデータを利用した地図表現
Demosaicing(デモザイキング)
Demosaicing(デモザイキング)
UDC2017_ファイナル_osm2RRSgml
UDC2017_ファイナル_osm2RRSgml
GRASSセミナー基礎編
GRASSセミナー基礎編
Deep Sketch Hashing
Deep Sketch Hashing
Josm
Josm
様々なデータソースからの地形作成
様々なデータソースからの地形作成
2012アーバニズム_A1_ル・コルビュジエ「ヴォアザン計画」_大塚悠乃_11n1028
2012アーバニズム_A1_ル・コルビュジエ「ヴォアザン計画」_大塚悠乃_11n1028
2012アーバニズム_A1_ル・コルビュジエ「ヴォアザン計画」_大塚悠乃_11n1028
2012アーバニズム_A1_ル・コルビュジエ「ヴォアザン計画」_大塚悠乃_11n1028
2012アーバニズム_B3_ブロード・エーカー・シティとレヴィット・タウン_大塚悠乃_11n1028
2012アーバニズム_B3_ブロード・エーカー・シティとレヴィット・タウン_大塚悠乃_11n1028
GRASSセミナー応用編
GRASSセミナー応用編
Andere mochten auch
Deep Learning with FOSS4G
Deep Learning with FOSS4G
Ryousuke Wayama
現在のDNNにおける未解決問題
現在のDNNにおける未解決問題
Daisuke Okanohara
[DL輪読会]Image-to-Image Translation with Conditional Adversarial Networks
[DL輪読会]Image-to-Image Translation with Conditional Adversarial Networks
Deep Learning JP
生成モデルの Deep Learning
生成モデルの Deep Learning
Seiya Tokui
空撮画像技術と3次元リアルタイムデータの可視化について
空撮画像技術と3次元リアルタイムデータの可視化について
Ryousuke Wayama
Foss4 g2016 kansai_v1_a4
Foss4 g2016 kansai_v1_a4
OSgeo Japan
Field Data Collecting, Processing and Sharing: Using web Service Technologies
Field Data Collecting, Processing and Sharing: Using web Service Technologies
Niroshan Sanjaya
強化学習とは (MIJS 分科会資料 2016/10/11)
強化学習とは (MIJS 分科会資料 2016/10/11)
Akihiro HATANAKA
ゲームにおけるニューラルネットワーク「NERO における学習と進化 」(後半)
ゲームにおけるニューラルネットワーク「NERO における学習と進化 」(後半)
Youichiro Miyake
第1回NIPS読み会・関西発表資料
第1回NIPS読み会・関西発表資料
Takato Horii
【SSII2015】人を観る技術の先端的研究
【SSII2015】人を観る技術の先端的研究
Hirokatsu Kataoka
NaraとOSMとFOSS4G
NaraとOSMとFOSS4G
康司 石塚
hosokawa m
hosokawa m
harmonylab
リアルタイムPoint cloudデータのビジュアライゼーションについて
リアルタイムPoint cloudデータのビジュアライゼーションについて
Ryousuke Wayama
ゲームにおける遺伝的アルゴリズム「NERO における学習と進化 」(前半)
ゲームにおける遺伝的アルゴリズム「NERO における学習と進化 」(前半)
Youichiro Miyake
わずか6人の勉強会から200人のカンファレンスに育つまで
わずか6人の勉強会から200人のカンファレンスに育つまで
Yasuto Furukawa
Deep Learning Abstract
Deep Learning Abstract
Ryousuke Wayama
20161030 foss4 g2016_yamakawa
20161030 foss4 g2016_yamakawa
OSgeo Japan
Open-TD: オープンサイエンス時代の社会協働研究
Open-TD: オープンサイエンス時代の社会協働研究
Yasuhisa Kondo
FOSS4G と北海道地図
FOSS4G と北海道地図
Kazutaka ishizaki
Andere mochten auch
(20)
Deep Learning with FOSS4G
Deep Learning with FOSS4G
現在のDNNにおける未解決問題
現在のDNNにおける未解決問題
[DL輪読会]Image-to-Image Translation with Conditional Adversarial Networks
[DL輪読会]Image-to-Image Translation with Conditional Adversarial Networks
生成モデルの Deep Learning
生成モデルの Deep Learning
空撮画像技術と3次元リアルタイムデータの可視化について
空撮画像技術と3次元リアルタイムデータの可視化について
Foss4 g2016 kansai_v1_a4
Foss4 g2016 kansai_v1_a4
Field Data Collecting, Processing and Sharing: Using web Service Technologies
Field Data Collecting, Processing and Sharing: Using web Service Technologies
強化学習とは (MIJS 分科会資料 2016/10/11)
強化学習とは (MIJS 分科会資料 2016/10/11)
ゲームにおけるニューラルネットワーク「NERO における学習と進化 」(後半)
ゲームにおけるニューラルネットワーク「NERO における学習と進化 」(後半)
第1回NIPS読み会・関西発表資料
第1回NIPS読み会・関西発表資料
【SSII2015】人を観る技術の先端的研究
【SSII2015】人を観る技術の先端的研究
NaraとOSMとFOSS4G
NaraとOSMとFOSS4G
hosokawa m
hosokawa m
リアルタイムPoint cloudデータのビジュアライゼーションについて
リアルタイムPoint cloudデータのビジュアライゼーションについて
ゲームにおける遺伝的アルゴリズム「NERO における学習と進化 」(前半)
ゲームにおける遺伝的アルゴリズム「NERO における学習と進化 」(前半)
わずか6人の勉強会から200人のカンファレンスに育つまで
わずか6人の勉強会から200人のカンファレンスに育つまで
Deep Learning Abstract
Deep Learning Abstract
20161030 foss4 g2016_yamakawa
20161030 foss4 g2016_yamakawa
Open-TD: オープンサイエンス時代の社会協働研究
Open-TD: オープンサイエンス時代の社会協働研究
FOSS4G と北海道地図
FOSS4G と北海道地図
Mehr von Ryousuke Wayama
Geotiff.jsで始めるリアルタイム演算 in foss4g japan 2020 online
Geotiff.jsで始めるリアルタイム演算 in foss4g japan 2020 online
Ryousuke Wayama
AIによる効率的危険斜面抽出システムの開発について
AIによる効率的危険斜面抽出システムの開発について
Ryousuke Wayama
Cesiumマニアックス― Revenge ―
Cesiumマニアックス― Revenge ―
Ryousuke Wayama
CS立体図とディープラーニングによる崩落地形予想について
CS立体図とディープラーニングによる崩落地形予想について
Ryousuke Wayama
Cesiumを用いた3次元リアルタイムデータの可視化について
Cesiumを用いた3次元リアルタイムデータの可視化について
Ryousuke Wayama
オープンデータとオープンソースGisを用いたweb上でのインタラクティブ可視化手法について
オープンデータとオープンソースGisを用いたweb上でのインタラクティブ可視化手法について
Ryousuke Wayama
Mehr von Ryousuke Wayama
(6)
Geotiff.jsで始めるリアルタイム演算 in foss4g japan 2020 online
Geotiff.jsで始めるリアルタイム演算 in foss4g japan 2020 online
AIによる効率的危険斜面抽出システムの開発について
AIによる効率的危険斜面抽出システムの開発について
Cesiumマニアックス― Revenge ―
Cesiumマニアックス― Revenge ―
CS立体図とディープラーニングによる崩落地形予想について
CS立体図とディープラーニングによる崩落地形予想について
Cesiumを用いた3次元リアルタイムデータの可視化について
Cesiumを用いた3次元リアルタイムデータの可視化について
オープンデータとオープンソースGisを用いたweb上でのインタラクティブ可視化手法について
オープンデータとオープンソースGisを用いたweb上でのインタラクティブ可視化手法について
Pix2pixによるcs立体図の地すべり検出
1.
pix2pixによるCS立体図の地すべり検出 • pix2pix -
変換前後の画像を学習させることでDCGANにより画像の変換を行なうDNN • 画像さえ用意すれば何でも学習できる • CS立体図 - 標高データから算出した曲率と傾斜角による立体図法。 視覚的にわかりやすく、従来では困難だった微地形の表現も可能。 しかもオープンなので自由に使える。 • 例)海底地形の表現にCS立体図を使用 • CS立体図とpix2pixで何かできないか? • J-SHIS(地震ハザードステーション)で地すべり地形分布図を公開 某氏の入れ知恵 何かデータがあるか調べてみると… CS立体図と地すべり地形分布図をpix2pixで学習させてみた 1 海底地形のCS立体図
2.
pix2pixによるCS立体図の地すべり検出 • とりあえず適当に学習させてみる • CS立体図は国土地理院の標高タイルから作成 •
結果:何かが出てるけど場所がだいぶ違う • 静岡県CS立体図で学習 • 1mメッシュの標高データから作成されたCS 立体図(国土地理院の標高タイルより細かい) • ズーム値も上げてみて学習 • 結果:真っ白だったり何か出てもまったく違 う場所だったり もっと細かい特徴が必要? 入力 出力 教師 CS立体図のみでは特徴が不十分? ズーム値も上げすぎないほうが良さそう 2
3.
pix2pixによるCS立体図の地すべり検出 • CS立体図+地質図① • CS立体図のRGB+産総研が公開している地質 図のRGBで、合計6チャンネルの入力データで 学習 •
データセットの範囲は東北~関東くらいまで • 結果:学習されてない • pix2pixはデータセットのドメインに特化する傾向が ある →広範囲のデータセットでは拡散? • CS立体図+地質図② • データセットの範囲を東北のみに狭める • 結果:正解に近い領域が検出されるように • 領域が縮小して悪い結果になった 入力 出力 教師 さらに学習を進めると… 学習回数は多すぎないほうが良い 3
4.
pix2pixによるCS立体図の地すべり検出 • CS立体図+地質図③ • 入力を標高データと曲率、傾斜角の3チャンネ ル+地質図のRGB、合計6チャンネルに変更 •
数値での入力でより詳細に特徴を抽出できるように • 出力と教師データはアルファチャンネルを追 加して4チャンネルに変更 • データセットの範囲は東北 • 結果:悪くはなさそう? • 学習を進めると悪くなったりそうでもなかったりと 安定しない • CS立体図+地質図④ • データセットの範囲をさらに狭めて秋田付近 に変更 • 結果:正解に近い領域が検出されている 入力 出力 教師 4
5.
pix2pixによるCS立体図の地すべり検出 • まとめ • ドメイン特化の傾向があるため広範囲のデータセットでの学習は苦手 •
特定領域であれば精度は上がりやすい • 学習回数は多くしすぎないほうが良い • 大体1日程度学習させたものが結果が良かった • 今後やってみたいこと • 0.5mメッシュの標高データでの学習 • 詳細な特徴を渡すことで精度が上がる? 5
Jetzt herunterladen