@inproceedings{oai:ipsj.ixsq.nii.ac.jp:00199048,
 author = {瀧本, 祥章 and 山本, 修平 and 松林, 達史 and 倉島, 健 and 戸田, 浩之},
 book = {WebDB Forum 2019論文集},
 month = {Sep},
 note = {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．},
 pages = {9--12},
 publisher = {情報処理学会},
 title = {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},
 volume = {2019},
 year = {2019}
}