| Item type |
Symposium(1) |
| 公開日 |
2019-09-01 |
| タイトル |
|
|
タイトル |
敵対的学習に基づくドメイン適応によるドライブレコーダを用いたヒヤリハット検出及び分類 |
| 言語 |
|
|
言語 |
jpn |
| キーワード |
|
|
主題Scheme |
Other |
|
主題 |
モビリティとデータ処理 |
| 資源タイプ |
|
|
資源タイプ識別子 |
http://purl.org/coar/resource_type/c_5794 |
|
資源タイプ |
conference paper |
| 著者所属 |
|
|
|
日本電信電話株式会社NTTサービスエボリューション研究所 |
| 著者所属 |
|
|
|
日本電信電話株式会社NTTサービスエボリューション研究所 |
| 著者所属 |
|
|
|
日本電信電話株式会社NTTサービスエボリューション研究所 |
| 著者所属 |
|
|
|
日本電信電話株式会社NTTサービスエボリューション研究所 |
| 著者所属 |
|
|
|
日本電信電話株式会社NTTサービスエボリューション研究所 |
| 著者所属(英) |
|
|
|
en |
|
|
NTT Service Evolution Laboratories, NTT Corporation |
| 著者所属(英) |
|
|
|
en |
|
|
NTT Service Evolution Laboratories, NTT Corporation |
| 著者所属(英) |
|
|
|
en |
|
|
NTT Service Evolution Laboratories, NTT Corporation |
| 著者所属(英) |
|
|
|
en |
|
|
NTT Service Evolution Laboratories, NTT Corporation |
| 著者所属(英) |
|
|
|
en |
|
|
NTT Service Evolution Laboratories, NTT Corporation |
| 著者名 |
瀧本, 祥章
山本, 修平
松林, 達史
倉島, 健
戸田, 浩之
|
| 論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
ドライブレコーダデータから交通事故やヒヤリハットなどの危険な状態を有用なデータとして抽出，分類し，その利活用が行われている．しかしながら，それらのデータを自動的に抽出，分類するには多量の教師データを人手で用意する必要があり，高コストである．また，既存の教師ありデータを用いて学習したモデルを適用することも考えられるが，車種やカメラの種類などの収集時の条件の違いによって，データ集合全体の傾向が大きく変化し，その精度は制限される．そこで本稿では，分類対象のデータと異なる環境で収集されたデータセットとその教師データを元に，高精度な分類モデルの構築を目指す．具体的には，既存の Convolutional Recurrent Neural Networks ベースのヒヤリハット分類手法をベースに，収集した環境を推定する層を追加することで，敵対的学習によるドメイン適応を行う．これによって，従来は収集した環境に大きく依存した特徴量を抽出する CNN 部分について，環境に依存しない特徴量の抽出が期待できる．実験では，実際のドライブレコーダデータを用いて検証を行い，ドメイン適応によって教師データがない環境下のデータ集合に対しても，高い分類精度を持つモデルを構築できることを示した． |
| 書誌情報 |
WebDB Forum 2019論文集
巻 2019,
p. 9-12,
発行日 2019-09-01
|
| 出版者 |
|
|
言語 |
ja |
|
出版者 |
情報処理学会 |
IPSJ-WebDBF2019003.pdf (1.9 MB)
