自動運転システムのための深層学習を用いた合成画像から実シーン画像への変換および移動経路計画の生成

• Item type: SIG Technical Reports(1)
• 公開日: 2020-03-09
• タイトル: 自動運転システムのための深層学習を用いた合成画像から実シーン画像への変換および移動経路計画の生成
• タイトル / 言語: en
• タイトル: Transforming Simulation Images to Real Scene Images and Planning Driving Routes by Deep Learning for Achieving Automatic Car Driving
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 早稲田大学創造理工研究科
• 著者所属: 早稲田大学創造理工研究科
• 著者所属(英): en
• 著者所属(英): Graduate School of Creative Science and Engineering, Waseda University
• 著者所属(英): en
• 著者所属(英): Graduate School of Creative Science and Engineering, Waseda University
• 著者名: 張, 澤霧; 大谷, 淳
• 著者名(英): Zelin, Zhang; Jun, Ohya
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 最近のディープニューラルネットワークは，さまざまな分野での役割を実証している．ディープラーニングを用いて自動運転の問題を解決することがますます一般的になっている．最近の自動運転スクシステムは大きな成功を収めているが，現実の世界では事故が発生するため，現実の世界での学習と実験にはまだ困難を伴う．本論文では，シミュレーション画像を実世界のシーンに変換するための変換ネットワークを提案する．さらに，深層強化学習を利用して，自動運転システムの移動計画を生成する．実験結果により提案手法の妥当性が示された．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Recent deep neural networks have proven their role in various fields. Solving the problem of autonomous driving through deep learning has become more and more popular. Although the recent decomposition task system has achieved great successes, it is still hard to train and testify in the real world scene since the accident happened the real world is painful and unacceptable. Therefore, we adopt a novel way which can transform the simulation to real world scene so that all the experiments can work in the real world scene without any accident. In this paper, we propose a translation network to transform the simulation images to the real world scene. Moreover, we apply the deep reinforcement learning to make the movement planning for autonomous driving system. The experiments results demonstrate the validity of our proposed method.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11131797
• 書誌情報: 研究報告コンピュータビジョンとイメージメディア（CVIM）; 巻 2020-CVIM-221, 号 18, p. 1-6, 発行日 2020-03-09
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8701
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会