JPWO2019176058A1 - 学習用データ生成方法、学習用データ生成装置及び学習用データ生成プログラム - Google Patents
学習用データ生成方法、学習用データ生成装置及び学習用データ生成プログラム Download PDFInfo
- Publication number
- JPWO2019176058A1 JPWO2019176058A1 JP2020506058A JP2020506058A JPWO2019176058A1 JP WO2019176058 A1 JPWO2019176058 A1 JP WO2019176058A1 JP 2020506058 A JP2020506058 A JP 2020506058A JP 2020506058 A JP2020506058 A JP 2020506058A JP WO2019176058 A1 JPWO2019176058 A1 JP WO2019176058A1
- Authority
- JP
- Japan
- Prior art keywords
- aircraft
- data
- model
- identification
- route
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000012549 training Methods 0.000 claims abstract description 40
- 238000013473 artificial intelligence Methods 0.000 abstract description 34
- 238000004364 calculation method Methods 0.000 description 38
- 238000004458 analytical method Methods 0.000 description 26
- 238000003384 imaging method Methods 0.000 description 19
- 238000001514 detection method Methods 0.000 description 15
- 238000012360 testing method Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 11
- 230000004044 response Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 7
- 230000004048 modification Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000009434 installation Methods 0.000 description 3
- 238000013179 statistical model Methods 0.000 description 3
- 241000566150 Pandion haliaetus Species 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007123 defense Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0017—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information
- G08G5/0026—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information located on the ground
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D45/00—Aircraft indicators or protectors not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
- B64F1/00—Ground or aircraft-carrier-deck installations
- B64F1/36—Other airport installations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
- G06F18/256—Fusion techniques of classification results, e.g. of results related to same input data of results relating to different input data, e.g. multimodal recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0017—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information
- G08G5/0021—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information located in the aircraft
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/003—Flight plan management
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0073—Surveillance aids
- G08G5/0082—Surveillance aids for monitoring traffic from a ground station
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Mechanical Engineering (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
Description
第1実施形態に係る収集システムについて説明する。
図1〜図4を参照して、第1実施形態に係る収集システム1について説明する。なお、図3及び図4においては、1台の航空機Pが経路Rに沿って移動する軌跡を示す。図1〜図4に示すように、収集システム1は、経路Rを通過する種々の航空機Pの運航実績情報を収集できるように構成される航空機運航実績情報の収集装置(以下、必要に応じて、単に「収集装置」という)2を有する。
最初に、撮像装置3、騒音検出装置4、電波受信装置5、及び音源探査装置6の詳細について説明する。図3及び図4に示すように、撮像装置3は、その撮像方向3aを航路Rに向けるように設置される。特に、撮像方向3aは、航路Rに加えて滑走路A1に向けられるとよい。さらに、撮像装置3は、撮像方向3aを一定とするように固定されるとよい。
ここで、本実施形態に係る収集装置2の詳細について説明する。特に明確に図示はしないが、収集装置2は、CPU(Central Processing Unit)等の演算部品、制御部品、RAM(Random Access Memory)、HDD(Hard Disc Drive)等の記憶部品、無線又は有線型の入力接続部品、出力接続部品、及び入出力接続部品のような構成部品を有する。例えば、撮像装置3、騒音検出装置4、電波受信装置5、及び音源探査装置6のそれぞれが、入力接続部品又は入出力接続部品を介して収集装置2と電気的に接続されるとよい。
図9を参照して、本実施形態に係る収集装置2において、航空機Pの運航実績情報を収集する方法の主な一例について説明する。航路R上の航空機Pを撮像した画像Gを取得する(ステップS1)。画像G上の航空機Qの外観データと、予め機種に応じて規定された航空機の外観サンプルとに基づいて、航路R上の航空機Pの機種を識別する(ステップS2)。画像識別機種を記憶する(ステップS3)。
第2実施形態に係る収集システムについて説明する。本実施形態に係る収集システムは、以下に説明する点を除いて、第1実施形態に係る収集システムと同様である。なお、本実施形態に係る航空機の運航実績情報の収集方法は、第1実施形態に係る航空機の運航実績情報の収集方法と同様であるので、その説明を省略する。
本実施形態は、航空機識別に用いられる人工知能の学習済みモデルに関する。このような学習済みモデルを識別モデルとも呼ぶ。識別モデルの例として、後述するように、画像式識別モデルと電波式識別モデルと音響式識別モデルとがある。
上記と同様に、ステップS10において、外観データDT1及び信号データDT2が取得されたとする。この場合、ステップS20において、識別部120は、取得部110により取得された信号データDT2を電波式識別モデルM2に入力することにより、上記経路上の航空機の属性AT2を得ることができる。
ステップS10において、外観データDT1及び騒音データDT3が取得されたとする。ステップS20において、識別部120は、取得部110により取得された外観データDT1を画像式識別モデルM1に入力することにより、上記経路上の航空機の属性AT1を得ることができる。
上記と同様に、ステップS10において、外観データDT1及び騒音データDT3が取得されたとする。ステップS20において、識別部120は、取得部110により取得された騒音データDT3を音響式識別モデルM3に入力することにより、上記経路上の航空機の属性AT3を得ることができる。
ステップS10において、信号データDT2及び騒音データDT3とが取得されたとする。ステップS20において、識別部120は、取得部110により取得された信号データDT2を電波式識別モデルM2に入力することにより、上記経路上の航空機の属性AT2を得ることができる。
上記と同様に、ステップS10において、信号データDT2及び騒音データDT3とが取得されたとする。ステップS20において、識別部120は、取得部110により取得された騒音データDT3を音響式識別モデルM3に入力することにより、上記経路上の航空機の属性AT3を得ることができる。
識別モデルの学習用データが多ければ多いほど学習後の識別の精度は上がるが、大量の学習用データを専門人員の手作業により準備することは容易ではない。これに対し、上記実施形態によれば、一定程度の学習がなされている1つの識別モデルを用いて、別の識別モデルの学習に用いられる学習用データを効率的に生成することができる。
ステップS10において、取得部110は、3つのデータすなわち外観データDT1と信号データDT2と騒音データDT3とを取得することもできる。この場合、ステップS20は、以下の第1サブステップと第2サブステップとを含む。
そして、例えば、第1サブステップにおいて、ボーイング747を表す「B747」、エアバスA380を表す「A380」、及びエアバスA340を表す「A340」という3つの属性候補(機種候補)を含む属性候補群が画像式識別モデルM1から得られる。これら3つの属性候補の信頼度はいずれも比較的低い。そのため、この段階では機種の特定が難しい。
同サブステップにおいて、信号データに含まれる機体番号情報から上記第1テーブルを用いて、シンガポール航空を表す「SIA」という属性候補(航空機の所属の候補)が得られ、この属性候補「SIA」から上記第2テーブルを用いて、属性候補(航空機の機種の候補)「A380」が得られるとする。
続く第2サブステップにおいては、第1サブステップにおいて画像式識別モデルM1から得られた3つの属性候補、すなわち「B747」、「A380」及び「A340」と、電波式識別モデルM2から得られた属性候補「A380」とが組み合わせられる。その結果、前者の属性候補群と後者の属性候補とに共通する属性候補「A380」が、単一の属性AT12として得られる。
ステップS20の第1サブステップにおいて、識別部120は、取得部110により取得された外観データDT1を画像式識別モデルM1に入力することにより、上記経路上の航空機の属性AT1を得る。同サブステップにおいて、識別部120はさらに、取得部110により取得された騒音データDT3を音響式識別モデルM3に入力することにより、上記経路上の航空機の属性AT3を得る。
同サブステップにおいてさらに、音響式識別モデルM3から3つの属性候補(機種候補)として、「AH−1」(信頼度45%)と、「UH−1」(信頼度45%)と、「HH−60」(信頼度35%)とが得られる。なお、「HH−60」もヘリコプタの機種である。
続く第2サブステップにおいては、第1サブステップにおいて画像式識別モデルM1から得られた3つの属性候補と、音響式識別モデルM3から得られた3つの属性候補とが組み合わせられる。具体的には、前者の属性候補群及び後者の属性候補群の両群に属する属性候補については、信頼度が足し合わされる。足し合わされた信頼度をポイントと呼ぶ。つまり、両群に属する属性候補「AH−1」については45+45=90というポイントが得られ、同様に属性候補「UH−1」については40+45=85というポイントが得られる。前者の属性候補群にのみ属する属性候補「CH−53」については35+0=35というポイントが得られる。後者の属性候補群にのみ属する属性候補「HH−60」については0+35=35というポイントが得られる。そして、これら4つの属性候補のうち、最大のポイントを有する属性候補「AH−1」が、単一の属性AT13として得られる。
ステップS20の第1サブステップにおいて、識別部120は、取得部110により取得された信号データDT2を電波式識別モデルM2に入力することにより、上記経路上の航空機の属性AT2を得る。同サブステップにおいて、識別部120はさらに、取得部110により取得された騒音データDT3を音響式識別モデルM3に入力することにより、上記経路上の航空機の属性AT3を得る。
本実施形態によれば、学習用データを効率的に生成することができることに加えて、学習用データに含まれる属性の信頼度を高めることができる。
2 収集装置
11 画像取得部、12 航空機認識部、13 騒音取得部、14 騒音卓越判定部、15 騒音継続時間算出部、18 電波取得部
21 画像式機種識別部、22 画像式方向識別部、23 画像式所属識別部、24 画像式変形モード識別部、27 電波式機種識別部、36 騒音解析データ算出部、37 音響式機種識別部、45 運航実績記憶部、46 通過回数算出部
G 画像、Q 航空機、q1 輪郭データ、q2 機首、q3 模様データ、E 画像方向情報、E1 画像離陸方向情報、E2 画像着陸方向情報
A1 滑走路、A2 誘導路(経路)、P 航空機、R 航路(経路)、D 移動方向、D1 離陸方向、D2 着陸方向、M1 画像式識別モデル、M2 電波式識別モデル、M3 音響式識別モデル、100 学習用データ生成装置、110 取得部、120 識別部、130 生成部
Claims (16)
- 特定の経路を撮像した画像上の航空機の外観データと、前記経路上の航空機から発信される電波の信号データと、前記経路上の航空機からの騒音を示す騒音データとのうちの2つのデータを取得する取得ステップと、
前記取得ステップにおいて取得された前記2つのデータのうちの一方を、航空機の属性を識別するための第1識別モデルに入力することにより、前記経路上の航空機の属性を識別する識別ステップと、
前記取得ステップにおいて取得された前記2つのデータのうちの他方と、前記識別ステップにより識別された前記経路上の航空機の属性とを関連付けることにより、航空機の属性を識別するための第2識別モデルの学習に用いられる学習用データを生成する生成ステップと
を含む学習用データ生成方法。 - 前記取得ステップにおいて、前記外観データと前記信号データとが取得され、
前記第1識別モデルが、外観データから航空機の属性を識別する画像式識別モデルであり、前記識別ステップにおいて、前記取得ステップにより取得された外観データを前記第1識別モデルに入力することにより、前記経路上の航空機の属性が識別され、
前記第2識別モデルが、信号データから航空機の属性を識別する電波式識別モデルであり、前記生成ステップにおいて、前記取得ステップにより取得された信号データと前記識別ステップにより識別された前記経路上の航空機の属性とを関連付けることにより、前記第2識別モデルの学習に用いられる学習用データが生成される、請求項1に記載の学習用データ生成方法。 - 前記取得ステップにおいて、前記信号データと前記外観データとが取得され、
前記第1識別モデルが、信号データから航空機の属性を識別する電波式識別モデルであり、前記識別ステップにおいて、前記取得ステップにより取得された信号データを前記第1識別モデルに入力することにより、前記経路上の航空機の属性が識別され、
前記第2識別モデルが、外観データから航空機の属性を識別する画像式識別モデルであり、前記生成ステップにおいて、前記取得ステップにより取得された外観データと前記識別ステップにより識別された前記経路上の航空機の属性とを関連付けることにより、前記第2識別モデルの学習に用いられる学習用データが生成される、請求項1に記載の学習用データ生成方法。 - 前記取得ステップにおいて、前記外観データと前記騒音データとが取得され、
前記第1識別モデルが、外観データから航空機の属性を識別する画像式識別モデルであり、前記識別ステップにおいて、前記取得ステップにより取得された外観データを前記第1識別モデルに入力することにより、前記経路上の航空機の属性が識別され、
前記第2識別モデルが、騒音データから航空機の属性を識別する音響式識別モデルであり、前記生成ステップにおいて、前記取得ステップにより取得された騒音データと前記識別ステップにより識別された前記経路上の航空機の属性とを関連付けることにより、前記第2識別モデルの学習に用いられる学習用データが生成される、請求項1に記載の学習用データ生成方法。 - 前記取得ステップにおいて、前記騒音データと前記外観データとが取得され、
前記第1識別モデルが、騒音データから航空機の属性を識別する音響式識別モデルであり、前記識別ステップにおいて、前記取得ステップにより取得された騒音データを前記第1識別モデルに入力することにより、前記経路上の航空機の属性が識別され、
前記第2識別モデルが、外観データから航空機の属性を識別する画像式識別モデルであり、前記生成ステップにおいて、前記取得ステップにより取得された外観データと前記識別ステップにより識別された前記経路上の航空機の属性とを関連付けることにより、前記第2識別モデルの学習に用いられる学習用データが生成される、請求項1に記載の学習用データ生成方法。 - 前記取得ステップにおいて、前記信号データと前記騒音データとが取得され、
前記第1識別モデルが、信号データから航空機の属性を識別する電波式識別モデルであり、前記識別ステップにおいて、前記取得ステップにより取得された信号データを前記第1識別モデルに入力することにより、前記経路上の航空機の属性が識別され、
前記第2識別モデルが、騒音データから航空機の属性を識別する音響式識別モデルであり、前記生成ステップにおいて、前記取得ステップにより取得された騒音データと前記識別ステップにより識別された前記経路上の航空機の属性とを関連付けることにより、前記第2識別モデルの学習に用いられる学習用データが生成される、請求項1に記載の学習用データ生成方法。 - 前記取得ステップにおいて、前記騒音データと前記信号データとが取得され、
前記第1識別モデルが、騒音データから航空機の属性を識別する音響式識別モデルであり、前記識別ステップにおいて、前記取得ステップにより取得された騒音データを前記第1識別モデルに入力することにより、前記経路上の航空機の属性が識別され、
前記第2識別モデルが、信号データから航空機の属性を識別する電波式識別モデルであり、前記生成ステップにおいて、前記取得ステップにより取得された信号データと前記識別ステップにより識別された前記経路上の航空機の属性とを関連付けることにより、前記第2識別モデルの学習に用いられる学習用データが生成される、請求項1に記載の学習用データ生成方法。 - 特定の経路を撮像した画像上の航空機の外観データと、前記経路上の航空機から発信される電波の信号データと、前記経路上の航空機からの騒音を示す騒音データとを取得する取得ステップと、
前記取得ステップにおいて取得された3つのデータのうち、1つのデータを除く他の2つのデータと、航空機の属性を識別するための第1識別モデル及び第2識別モデルとを用いて、前記経路上の航空機の属性を識別する識別ステップと、
前記取得ステップにおいて取得された前記1つのデータと、前記識別ステップにより識別された前記経路上の航空機の属性とを関連付けることにより、航空機の属性を識別するための第3識別モデルの学習に用いられる学習用データを生成する生成ステップと
を含む学習用データ生成方法。 - 前記第1識別モデルが、外観データから航空機の属性を識別する画像式識別モデルであり、前記第2識別モデルが、信号データから航空機の属性を識別する電波式識別モデルであり、前記第3識別モデルが、騒音データから航空機の属性を識別する音響式識別モデルであり
前記識別ステップにおいて、前記取得ステップにより取得された外観データ及び信号データを前記第1識別モデル及び前記第2識別モデルにそれぞれ入力することにより、前記第1識別モデルから第1属性候補群が得られ、前記第2識別モデルから第2属性候補群が得られ、前記第1属性候補群と前記第2属性候補群とを組み合わせることにより、前記経路上の航空機の属性である単一の属性が得られ、
前記生成ステップにおいて、前記取得ステップにより取得された騒音データと前記識別ステップにより識別された前記単一の属性とを関連付けることにより、前記第3識別モデルの学習に用いられる学習用データが生成される、請求項8に記載の学習用データ生成方法。 - 前記第1識別モデルが、外観データから航空機の属性を識別する画像式識別モデルであり、前記第2識別モデルが、信号データから航空機の属性を識別する電波式識別モデルであり、前記第3識別モデルが、騒音データから航空機の属性を識別する音響式識別モデルであり
前記識別ステップにおいて、前記取得ステップにより取得された外観データ及び騒音データを前記第1識別モデル及び前記第3識別モデルにそれぞれ入力することにより、前記第1識別モデルから第1属性候補群が得られ、前記第3識別モデルから第2属性候補群が得られ、前記第1属性候補群と前記第2属性候補群とを組み合わせることにより、前記経路上の航空機の属性である単一の属性が得られ、
前記生成ステップにおいて、前記取得ステップにより取得された信号データと前記識別ステップにより識別された前記単一の属性とを関連付けることにより、前記第2識別モデルの学習に用いられる学習用データが生成される、請求項8に記載の学習用データ生成方法。 - 前記第1識別モデルが、外観データから航空機の属性を識別する画像式識別モデルであり、前記第2識別モデルが、信号データから航空機の属性を識別する電波式識別モデルであり、前記第3識別モデルが、騒音データから航空機の属性を識別する音響式識別モデルであり
前記識別ステップにおいて、前記取得ステップにより取得された信号データ及び騒音データを前記第2識別モデル及び前記第3識別モデルにそれぞれ入力することにより、前記第2識別モデルから第1属性候補群が得られ、前記第3識別モデルから第2属性候補群が得られ、前記第1属性候補群と前記第2属性候補群とを組み合わせることにより、前記経路上の航空機の属性である単一の属性が得られ、
前記生成ステップにおいて、前記取得ステップにより取得された外観データと前記識別ステップにより識別された前記単一の属性とを関連付けることにより、前記第1識別モデルの学習に用いられる学習用データが生成される、請求項8に記載の学習用データ生成方法。 - 前記航空機の属性が前記航空機の機種を含む、請求項1〜11のいずれか一項に記載の学習用データ生成方法。
- 特定の経路を撮像した画像上の航空機の外観データと、前記経路上の航空機から発信される電波の信号データと、前記経路上の航空機からの騒音を示す騒音データとのうちの2つのデータを取得する取得部と、
前記取得部において取得された前記2つのデータのうちの一方を、航空機の属性を識別するための第1識別モデルに入力することにより、前記経路上の航空機の属性を識別する識別部と、
前記取得部において取得された前記2つのデータのうちの他方と、前記識別部により識別された前記経路上の航空機の属性とを関連付けることにより、航空機の属性を識別するための第2識別モデルの学習に用いられる学習用データを生成する生成部と
を備える学習用データ生成装置。 - 特定の経路を撮像した画像上の航空機の外観データと、前記経路上の航空機から発信される電波の信号データと、前記経路上の航空機からの騒音を示す騒音データとを取得する取得部と、
前記取得部において取得された3つのデータのうち、1つのデータを除く他の2つのデータと、航空機の属性を識別するための第1識別モデル及び第2識別モデルとを用いて、前記経路上の航空機の属性を識別する識別部と、
前記取得部において取得された前記1つのデータと、前記識別部により識別された前記経路上の航空機の属性とを関連付けることにより、航空機の属性を識別するための第3識別モデルの学習に用いられる学習用データを生成する生成部と
を備えた学習用データ生成装置。 - 特定の経路を撮像した画像上の航空機の外観データと、前記経路上の航空機から発信される電波の信号データと、前記経路上の航空機からの騒音を示す騒音データとのうちの2つのデータを取得する取得ステップと、
前記取得ステップにおいて取得された前記2つのデータのうちの一方を、航空機の属性を識別するための第1識別モデルに入力することにより、前記経路上の航空機の属性を識別する識別ステップと、
前記取得ステップにおいて取得された前記2つのデータのうちの他方と、前記識別ステップにより識別された前記経路上の航空機の属性とを関連付けることにより、航空機の属性を識別するための第2識別モデルの学習に用いられる学習用データを生成する生成ステップと
をコンピュータに実行させる学習用データ生成プログラム。 - 特定の経路を撮像した画像上の航空機の外観データと、前記経路上の航空機から発信される電波の信号データと、前記経路上の航空機からの騒音を示す騒音データとを取得する取得ステップと、
前記取得ステップにおいて取得された3つのデータのうち、1つのデータを除く他の2つのデータと、航空機の属性を識別するための第1識別モデル及び第2識別モデルとを用いて、前記経路上の航空機の属性を識別する識別ステップと、
前記取得ステップにおいて取得された前記1つのデータと、前記識別ステップにより識別された前記経路上の航空機の属性とを関連付けることにより、航空機の属性を識別するための第3識別モデルの学習に用いられる学習用データを生成する生成ステップと
をコンピュータに実行させる学習用データ生成プログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2018/010253 WO2019176058A1 (ja) | 2018-03-15 | 2018-03-15 | 学習用データ生成方法、学習用データ生成装置及び学習用データ生成プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2019176058A1 true JPWO2019176058A1 (ja) | 2021-02-25 |
JP7007459B2 JP7007459B2 (ja) | 2022-01-24 |
Family
ID=67907001
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020506058A Active JP7007459B2 (ja) | 2018-03-15 | 2018-03-15 | 学習用データ生成方法、学習用データ生成装置及び学習用データ生成プログラム |
Country Status (7)
Country | Link |
---|---|
US (1) | US20210118310A1 (ja) |
JP (1) | JP7007459B2 (ja) |
KR (1) | KR102475554B1 (ja) |
CN (1) | CN111902851B (ja) |
AU (1) | AU2018412712A1 (ja) |
DE (1) | DE112018007285T5 (ja) |
WO (1) | WO2019176058A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102483080B1 (ko) * | 2022-01-07 | 2022-12-30 | 주식회사 이너턴스 | 인공지능을 활용한 항공기 소음 분류 및 추출 방법 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003329510A (ja) * | 2002-05-08 | 2003-11-19 | Nittobo Acoustic Engineering Co Ltd | 航空機の多チャンネル方向推定装置 |
JP2013061155A (ja) * | 2011-09-12 | 2013-04-04 | Rion Co Ltd | 航空機騒音監視方法及び航空機騒音監視装置 |
JP2016192007A (ja) * | 2015-03-31 | 2016-11-10 | 日本電気株式会社 | 機械学習装置、機械学習方法、および機械学習プログラム |
Family Cites Families (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS63308523A (ja) | 1987-06-11 | 1988-12-15 | Nitsutoubou Onkyo Eng Kk | 航空機騒音測定方法 |
JPH0966900A (ja) * | 1995-09-01 | 1997-03-11 | Hitachi Ltd | 飛行状態監視方法とその装置 |
JPH09304065A (ja) * | 1996-05-14 | 1997-11-28 | Toshiba Corp | 航空機位置検出装置 |
DE60112809T2 (de) | 2000-12-25 | 2006-06-22 | Nittobo Acoustic Engineering Co. Ltd. | Verfahren zur messung der point-blank-kontrollpunktzeit eines flugzeugs |
JP4355833B2 (ja) * | 2006-10-13 | 2009-11-04 | 独立行政法人電子航法研究所 | 航空管制業務支援システム、航空機の位置を予測する方法及びコンピュータプログラム |
US20110051952A1 (en) * | 2008-01-18 | 2011-03-03 | Shinji Ohashi | Sound source identifying and measuring apparatus, system and method |
JP2010044031A (ja) * | 2008-07-15 | 2010-02-25 | Nittobo Acoustic Engineering Co Ltd | 航空機の識別方法、並びにそれを用いた航空機騒音の測定方法及び信号判定方法 |
CN101598795B (zh) * | 2009-06-18 | 2011-09-28 | 中国人民解放军国防科学技术大学 | 基于遗传算法的光学相关目标识别与跟踪系统 |
DE102010020298B4 (de) * | 2010-05-12 | 2012-05-16 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verfahren und Vorrichtung zur Erfassung von Verkehrsdaten aus digitalen Luftbildsequenzen |
CN102820034B (zh) * | 2012-07-16 | 2014-05-21 | 中国民航大学 | 一种民用航空器噪声感知与识别装置及其方法 |
CN102853835B (zh) * | 2012-08-15 | 2014-12-31 | 西北工业大学 | 基于尺度不变特征变换的无人飞行器景象匹配定位方法 |
KR20140072442A (ko) * | 2012-12-04 | 2014-06-13 | 한국전자통신연구원 | 차량 검지 장치 및 방법 |
WO2015170776A1 (ja) | 2014-05-07 | 2015-11-12 | 日本電気株式会社 | 物体検出装置、物体検出方法および物体検出システム |
CN103984936A (zh) * | 2014-05-29 | 2014-08-13 | 中国航空无线电电子研究所 | 用于三维动态目标识别的多传感器多特征融合识别方法 |
JP2017072557A (ja) | 2015-10-09 | 2017-04-13 | 三菱重工業株式会社 | 飛行物体探知システム及び飛行物体探知方法 |
US11593610B2 (en) * | 2018-04-25 | 2023-02-28 | Metropolitan Airports Commission | Airport noise classification method and system |
US11181903B1 (en) * | 2019-05-20 | 2021-11-23 | Architecture Technology Corporation | Systems and methods of detecting and controlling unmanned aircraft systems |
FR3103047B1 (fr) * | 2019-11-07 | 2021-11-26 | Thales Sa | Procede et dispositif d'apprentissage par reseau de neurones artificiels pour l'aide a l'atterrissage d'aeronef |
US20210158540A1 (en) * | 2019-11-21 | 2021-05-27 | Sony Corporation | Neural network based identification of moving object |
US20210383706A1 (en) * | 2020-06-05 | 2021-12-09 | Apijet Llc | System and methods for improving aircraft flight planning |
US11538349B2 (en) * | 2020-08-03 | 2022-12-27 | Honeywell International Inc. | Multi-sensor data fusion-based aircraft detection, tracking, and docking |
US20220366167A1 (en) * | 2021-05-14 | 2022-11-17 | Orbital Insight, Inc. | Aircraft classification from aerial imagery |
CN117296086A (zh) * | 2021-06-09 | 2023-12-26 | 霍尼韦尔国际公司 | 飞行器识别 |
US20230108038A1 (en) * | 2021-10-06 | 2023-04-06 | Hura Co., Ltd. | Unmanned aerial vehicle detection method and apparatus with radio wave measurement |
EP4235627A1 (en) * | 2022-02-24 | 2023-08-30 | Honeywell International Inc. | Learning based system and method for visual docking guidance to detect new approaching aircraft types |
-
2018
- 2018-03-15 CN CN201880091121.8A patent/CN111902851B/zh active Active
- 2018-03-15 JP JP2020506058A patent/JP7007459B2/ja active Active
- 2018-03-15 DE DE112018007285.1T patent/DE112018007285T5/de active Pending
- 2018-03-15 WO PCT/JP2018/010253 patent/WO2019176058A1/ja active Application Filing
- 2018-03-15 US US16/981,147 patent/US20210118310A1/en not_active Abandoned
- 2018-03-15 AU AU2018412712A patent/AU2018412712A1/en active Pending
- 2018-03-15 KR KR1020207029125A patent/KR102475554B1/ko active IP Right Grant
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003329510A (ja) * | 2002-05-08 | 2003-11-19 | Nittobo Acoustic Engineering Co Ltd | 航空機の多チャンネル方向推定装置 |
JP2013061155A (ja) * | 2011-09-12 | 2013-04-04 | Rion Co Ltd | 航空機騒音監視方法及び航空機騒音監視装置 |
JP2016192007A (ja) * | 2015-03-31 | 2016-11-10 | 日本電気株式会社 | 機械学習装置、機械学習方法、および機械学習プログラム |
Also Published As
Publication number | Publication date |
---|---|
AU2018412712A1 (en) | 2020-09-24 |
CN111902851A (zh) | 2020-11-06 |
US20210118310A1 (en) | 2021-04-22 |
WO2019176058A1 (ja) | 2019-09-19 |
DE112018007285T5 (de) | 2021-04-01 |
KR102475554B1 (ko) | 2022-12-08 |
CN111902851B (zh) | 2023-01-17 |
KR20200130854A (ko) | 2020-11-20 |
JP7007459B2 (ja) | 2022-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11733042B2 (en) | Information processing apparatus, information processing method, program, and ground marker system | |
US11827352B2 (en) | Visual observer for unmanned aerial vehicles | |
GB201219194D0 (en) | Identification and analysis of aircraft landing sites | |
CN108121350B (zh) | 一种控制飞行器降落的方法以及相关装置 | |
US20210225182A1 (en) | Acoustic based detection and avoidance for aircraft | |
Zarandy et al. | A novel algorithm for distant aircraft detection | |
JP7007459B2 (ja) | 学習用データ生成方法、学習用データ生成装置及び学習用データ生成プログラム | |
CN110211159A (zh) | 一种基于图像视频处理技术的飞机位置检测系统及方法 | |
JP6949138B2 (ja) | 航空機運航実績情報の収集装置 | |
US20220011786A1 (en) | Correlated motion and detection for aircraft | |
KR101410135B1 (ko) | 항공관제 데이터를 이용한 관제오류 분석장치 | |
JP2023135607A (ja) | マルチスケールオブジェクト探知装置及び方法 | |
Wilson et al. | Flight test and evaluation of a prototype sense and avoid system onboard a scaneagle unmanned aircraft | |
US11721092B2 (en) | Event analysis system and event analysis method | |
US20210157338A1 (en) | Flying body control apparatus, flying body control method, and flying body control program | |
CN218332660U (zh) | 一种飞行数据智能采集记录设备 | |
Niture et al. | AI Based Airplane Air Pollution Identification Architecture Using Satellite Imagery | |
US20180197301A1 (en) | System and method for detecting and analyzing airport activity | |
CN118306570A (en) | System, method and storage medium for operating an aircraft during a climb phase of flight | |
CN113534849A (zh) | 集成机器视觉的飞行组合导引系统、方法和介质 | |
PL431020A1 (pl) | Sposób namierzania i śledzenia obiektów w czasie rzeczywistym i układ do realizacji tego sposobu | |
Kumar et al. | Machine-Learning Groundwork and Cluster Analysis for Vortex Detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200915 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210622 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20210820 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220105 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220106 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7007459 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |