| 講演抄録／キーワード |
| 講演名 |
2025-06-30 15:50
Multiple Instance Learningとメモリバンクを用いた遠隔監視カメラからの斜面変状検知
○高島滉平・山本洋太・谷口行信（東京理科大） |
| 抄録 |
（和） |
土砂災害は人命や社会インフラに甚大な被害をもたらす重大な自然災害であり，大規模災害を未然に防ぐには，斜面の微細な変状，例えば，表層崩壊や雪崩を確実に検知する必要がある．本稿では，監視カメラから1時間間隔で取得される時系列画像から，深層学習を用いて斜面変状を検出する手法を提案する．提案手法は，画素単位ではなく画像単位で付与した教師ラベル（変状有無）を活用し，Multiple Instance Learning（MIL）を用いて変状検出モデルを学習する．一時的な気象・日照の変化による誤検知を抑制するために，過去数日分の特徴マップを蓄積したメモリバンクから，現在フレームと類似した特徴マップを検索・比較することで，斜面変状を検知する．監視カメラ画像1年分のデータセットを用いた実験から，提案手法により斜面変状検知精度が従来手法を上回ることを確認した． |
| （英） |
Landslides are serious natural disasters that cause extensive damage to human lives and social infrastructure. Preventing large-scale disasters requires accurate detection of slight slope changes, such as surface collapse and avalanches. This paper proposes a method for detecting slope changes using deep learning from an image sequence taken with surveillance cameras at one-hour intervals. The proposed method utilizes Multiple Instance Learning (MIL) to learn slope change detection models with ground-truth labels (presence/absence of changes) assigned to each image instead of each pixel. To suppress false positives due to temporary weather and lighting changes, the proposed method retrieves the feature map most similar to the current frame from a memory bank, which accumulates feature maps over the past few days, and compares it with the current feature map. We conducted experiments using a dataset of one year's worth of surveillance camera images, confirming that the accuracy of slope change detection surpasses that of conventional methods. |
| キーワード |
（和） |
深層学習 / Multiple Instance Learning / 異常検知 / 変化検出 / 斜面変状検知 / / / |
| （英） |
deep learning / multiple instance learning / anomaly detection / change detection / landslide detection / / / |
| 文献情報 |
映情学技報, vol. 49, pp. 11-14, 2025年6月. |
| 資料番号 |
|
| 発行日 |
2025-06-23 (AIT) |
| ISSN |
Online edition: ISSN 2424-1970 |
| PDFダウンロード |
|
| 研究会情報 |
| 研究会 |
IIEEJ AIT |
| 開催期間 |
2025-06-30 - 2025-07-01 |
| 開催地（和） |
長野市 富士通労働組合センター |
| 開催地（英） |
|
| テーマ（和） |
画像一般（色再現，立体映像，CG，VR，アニメーション技術，画像処理，ME関係，画像符号化など幅広く扱います．年次大会投稿に向けた議論の場としても歓迎します．） |
| テーマ（英） |
|
| 講演論文情報の詳細 |
| 申込み研究会 |
IIEEJ |
| 会議コード |
2025-06-IIEEJ-AIT |
| 本文の言語 |
日本語 |
| タイトル（和） |
Multiple Instance Learningとメモリバンクを用いた遠隔監視カメラからの斜面変状検知 |
| サブタイトル（和） |
|
| タイトル（英） |
Slope Change Detection using Multiple Instance Learning and Memory Banks from Remote Surveillance Cameras |
| サブタイトル（英） |
|
| キーワード(1)（和/英） |
深層学習 / deep learning |
| キーワード(2)（和/英） |
Multiple Instance Learning / multiple instance learning |
| キーワード(3)（和/英） |
異常検知 / anomaly detection |
| キーワード(4)（和/英） |
変化検出 / change detection |
| キーワード(5)（和/英） |
斜面変状検知 / landslide detection |
| キーワード(6)（和/英） |
/ |
| キーワード(7)（和/英） |
/ |
| キーワード(8)（和/英） |
/ |
| 第1著者 氏名（和/英/ヨミ） |
高島 滉平 / Kohei Takashima / タカシマ コウヘイ |
| 第1著者 所属（和/英） |
東京理科大学 (略称： 東京理科大)
Tokyo University of Science (略称： Tokyo Univ of Science) |
| 第2著者 氏名（和/英/ヨミ） |
山本 洋太 / Yota Yamamoto / ヤマモト ヨウタ |
| 第2著者 所属（和/英） |
東京理科大学 (略称： 東京理科大)
Tokyo University of Science (略称： Tokyo Univ of Science) |
| 第3著者 氏名（和/英/ヨミ） |
谷口 行信 / Yukinobu Taniguchi / タニグチ ユキノブ |
| 第3著者 所属（和/英） |
東京理科大学 (略称： 東京理科大)
Tokyo University of Science (略称： Tokyo Univ of Science) |
| 第4著者 氏名（和/英/ヨミ） |
/ / |
| 第4著者 所属（和/英） |
(略称： )
(略称： ) |
| 第5著者 氏名（和/英/ヨミ） |
/ / |
| 第5著者 所属（和/英） |
(略称： )
(略称： ) |
| 第6著者 氏名（和/英/ヨミ） |
/ / |
| 第6著者 所属（和/英） |
(略称： )
(略称： ) |
| 第7著者 氏名（和/英/ヨミ） |
/ / |
| 第7著者 所属（和/英） |
(略称： )
(略称： ) |
| 第8著者 氏名（和/英/ヨミ） |
/ / |
| 第8著者 所属（和/英） |
(略称： )
(略称： ) |
| 第9著者 氏名（和/英/ヨミ） |
/ / |
| 第9著者 所属（和/英） |
(略称： )
(略称： ) |
| 第10著者 氏名（和/英/ヨミ） |
/ / |
| 第10著者 所属（和/英） |
(略称： )
(略称： ) |
| 第11著者 氏名（和/英/ヨミ） |
/ / |
| 第11著者 所属（和/英） |
(略称： )
(略称： ) |
| 第12著者 氏名（和/英/ヨミ） |
/ / |
| 第12著者 所属（和/英） |
(略称： )
(略称： ) |
| 第13著者 氏名（和/英/ヨミ） |
/ / |
| 第13著者 所属（和/英） |
(略称： )
(略称： ) |
| 第14著者 氏名（和/英/ヨミ） |
/ / |
| 第14著者 所属（和/英） |
(略称： )
(略称： ) |
| 第15著者 氏名（和/英/ヨミ） |
/ / |
| 第15著者 所属（和/英） |
(略称： )
(略称： ) |
| 第16著者 氏名（和/英/ヨミ） |
/ / |
| 第16著者 所属（和/英） |
(略称： )
(略称： ) |
| 第17著者 氏名（和/英/ヨミ） |
/ / |
| 第17著者 所属（和/英） |
(略称： )
(略称： ) |
| 第18著者 氏名（和/英/ヨミ） |
/ / |
| 第18著者 所属（和/英） |
(略称： )
(略称： ) |
| 第19著者 氏名（和/英/ヨミ） |
/ / |
| 第19著者 所属（和/英） |
(略称： )
(略称： ) |
| 第20著者 氏名（和/英/ヨミ） |
/ / |
| 第20著者 所属（和/英） |
(略称： )
(略称： ) |
| 第21著者 氏名（和/英/ヨミ） |
/ / |
| 第21著者 所属（和/英） |
(略称： )
(略称： ) |
| 第22著者 氏名（和/英/ヨミ） |
/ / |
| 第22著者 所属（和/英） |
(略称： )
(略称： ) |
| 第23著者 氏名（和/英/ヨミ） |
/ / |
| 第23著者 所属（和/英） |
(略称： )
(略称： ) |
| 第24著者 氏名（和/英/ヨミ） |
/ / |
| 第24著者 所属（和/英） |
(略称： )
(略称： ) |
| 第25著者 氏名（和/英/ヨミ） |
/ / |
| 第25著者 所属（和/英） |
(略称： )
(略称： ) |
| 第26著者 氏名（和/英/ヨミ） |
/ / |
| 第26著者 所属（和/英） |
(略称： )
(略称： ) |
| 第27著者 氏名（和/英/ヨミ） |
/ / |
| 第27著者 所属（和/英） |
(略称： )
(略称： ) |
| 第28著者 氏名（和/英/ヨミ） |
/ / |
| 第28著者 所属（和/英） |
(略称： )
(略称： ) |
| 第29著者 氏名（和/英/ヨミ） |
/ / |
| 第29著者 所属（和/英） |
(略称： )
(略称： ) |
| 第30著者 氏名（和/英/ヨミ） |
/ / |
| 第30著者 所属（和/英） |
(略称： )
(略称： ) |
| 第31著者 氏名（和/英/ヨミ） |
/ / |
| 第31著者 所属（和/英） |
(略称： )
(略称： ) |
| 第32著者 氏名（和/英/ヨミ） |
/ / |
| 第32著者 所属（和/英） |
(略称： )
(略称： ) |
| 第33著者 氏名（和/英/ヨミ） |
/ / |
| 第33著者 所属（和/英） |
(略称： )
(略称： ) |
| 第34著者 氏名（和/英/ヨミ） |
/ / |
| 第34著者 所属（和/英） |
(略称： )
(略称： ) |
| 第35著者 氏名（和/英/ヨミ） |
/ / |
| 第35著者 所属（和/英） |
(略称： )
(略称： ) |
| 第36著者 氏名（和/英/ヨミ） |
/ / |
| 第36著者 所属（和/英） |
(略称： )
(略称： ) |
| 講演者 |
第1著者 |
| 発表日時 |
2025-06-30 15:50:00 |
| 発表時間 |
20分 |
| 申込先研究会 |
IIEEJ |
| 資料番号 |
AIT2025-170 |
| 巻番号（vol） |
vol.49 |
| 号番号（no） |
no.18 |
| ページ範囲 |
pp.11-14 |
| ページ数 |
4 |
| 発行日 |
2025-06-23 (AIT) |