鉄道トラック検査のための深層マルチタスク学習

鉄道のトラックは、安全な輸送を確保するために定期的に検査および監視する必要があります。最近、コンピュータビジョンとパターン認識手法を用いた自動トラック検査は、より頻繁な検査を可能にしながら人的エラーを減少させることで安全性を向上させる可能性を示しています。異なる故障モードの数や誤警報を引き起こす可能性のある広範囲の画像変動があるため、完全な自動化を達成することは依然として非常に困難です。さらに、欠陥のあるコンポーネントの数は非常に少ないため、機械が堅牢な異常検出器を学習するためのトレーニング例はあまりありません。本論文では、マルチタスク学習フレームワーク内で複数の検出器を組み合わせることで検出性能が向上することを示します。このアプローチが、鉄道の枕木やファスナーの欠陥を検出する精度の向上につながることを示します。