2026-06-13T15:47:58Z https://ipsj.ixsq.nii.ac.jp/oai

oai:ipsj.ixsq.nii.ac.jp:00232638 2025-01-19T10:22:58Z 1164:4061:11479:11513

自動運転シミュレータCarlaを用いた複数物体追跡による連合学習のための教師データ改善 Improving Training Data of Object Detection with Multiple Object Tracking for Federated Learning 池田, 悠太 中濱, 雄喜 大坐畠, 智 山本, 嶺 Yuta, Ikeda YuuKi, Nakahama Satoshi, Ohzahata Ryo, Yamamoto 画像センシング・位置推定 自動運転においてユーザプライバシ保護のために連合学習が用いられる際に，クライアントがサーバを経由せずに正確な正解ラベルが入手できないという課題がある．そこで本研究では機械学習による物体特定とオブジェクトトラッキングを組み合わせることにより，精度の高い正解ラベルを生成する手法の実装及び評価を行った．自動運転シミュレータを用いて生成した画像に対し実験を行った結果，連合学習の精度が向上したため，オブジェクトトラッキングによるラベル付けの精度の改善が有効であることが確認できた． When Federated learning is used in an automated driving environment to protect user privacy, the client in the training process cannot obtain correct label information from a server. In this study, we implemented and evaluated a method for obtaining correct labels by combining object detection and object tracking using machine learning. The results show that object tracking improves the accuracy of the federated learning model, and an object tracking is effective in improving the accuracy of labeling. technical report 情報処理学会 2024-02-22 application/pdf 研究報告ユビキタスコンピューティングシステム（UBI） 34 2024-UBI-81 1 6 2188-8698 AA11838947 https://ipsj.ixsq.nii.ac.jp/record/232638/files/IPSJ-UBI24081034.pdf jpn