要約
脱線は鉄道事故の最も一般的な発生形態の一つである。レールの歪み（バッキング）や凹み（ホギング）といった軌道欠陥は、レールの位置ずれを引き起こし、脱線を容易に引き起こす。バッキングによりレールが横方向にずれる一方、ホギングは縦方向の位置ずれを生じる。これらの位置ずれは視覚的に明確に識別可能であり、データ駆動型モデルを用いて自動認識することも可能である。本論文では、このようなデータ駆動型モデルの構築方法について検討する。しかしながら、このようなモデルを構築するための公開データセットは存在しないため、本研究ではTMD（Track Misalignment Detection）データセットを提案する。このデータセットは、位置ずれを示すレール画像と正常なレール画像から構成されている。本研究で取り組む問題は本質的に二値画像分類問題であり、転移学習（Transfer Learning, TL）の特徴抽出アプローチを用いて解決する。このアプローチでは、事前に学習されたネットワークを用いて豊富な特徴を抽出し、それらをラベル付きデータとして学習アルゴリズムに供給することで、候補となるTLモデルを構築する。多くの事前学習済みネットワークと学習アルゴリズムが存在するため、膨大な数のTLモデルが生成され得る。したがって、効果的なモデルを事前に識別することが極めて重要となる。本研究では、実際にテストを行う前でも効果的なモデルを判定できる評価基準を提案する。実験の結果、本研究で提案する評価基準に基づいて選定されたTLモデルが、他の候補モデルと比較してテストにおいて顕著に優れた性能を発揮することが示された。