U-Netを用いた河川浮遊物の連続観測手法

抄録

　セマンティックセグメンテーション手法の一種であるU-Netを用いて，定点カメラ画像から河川浮遊物（スカム）を定量判別するモデルを構築し，水面被覆率に関するRMSE，見逃し率，誤認識率に基づいて性能を評価した．判別モデルは，少量（100枚程度）の画像データを学習させることで見逃し率を十分に低下させることが可能である一方，誤認識率を低下させるためにはより多くの画像を学習させる必要があった．また，判別モデルは多くの地点で撮影された画像に対して適用可能であったが，判別精度はカメラの画角や学習データの質に大きく依存することがわかった．さらに，転移学習を適用することで，通常の学習よりも少ないデータの学習で比較的高い判別精度を有するモデルを構築することが可能であった．