物体検出手法YOLOで用いる学習データセットのラベル付与方法の変化による自動二輪車検出精度向上の検証

• Item type: SIG Technical Reports(1)
• 公開日: 2021-11-30
• タイトル: 物体検出手法YOLOで用いる学習データセットのラベル付与方法の変化による自動二輪車検出精度向上の検証
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 運転
• 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: 静岡大学大学院総合科学技術研究科
• 著者所属: 静岡大学情報学部情報科学科
• 著者所属: 静岡大学情報学部情報科学科
• 著者所属: 静岡大学大学院総合科学技術研究科
• 著者所属(英): en
• 著者所属(英): Shizuoka University
• 著者所属(英): en
• 著者所属(英): Shizuoka University
• 著者所属(英): en
• 著者所属(英): Shizuoka University
• 著者所属(英): en
• 著者所属(英): Shizuoka University
• 著者名: 中島, 健介; 佐久間, 尚紀; 中安, 淳也; 木谷, 友哉
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 自動二輪車が被害者となる事故は二輪車が被害者となるケースの方が多く，その原因は加害者側の運転者が二輪車を見落とすことがほとんどを占めている．このような事故を防ぐためには，人間による視認性に頼るだけではなく，高度運転支援システム（ADAS）で使われているようなカメラなどのセンサを用いて二輪車を検知し運転者に知らせる機能が効果的であると考えられる．本研究では四輪車に車載される可視光カメラの映像から，物体検出手法 YOLO を用いて自動二輪車を検出することを考え，その際の検出精度を向上させる方策について検証した．まず物体検出モデルの学習に用いる画像データセットを作成するため，YOLO でよく使われる COCO データセットに含まれる自動二輪車が写った画像 3018 枚を用意した．COCO データセットであらかじめ用意された二輪車を認識するための学習したモデルでは，交通環境にない二輪車も対象にしている．これに対して，二輪車の車体全体が映った各画像に対してフルカウルやアメリカンなどの車種のカテゴリ毎に異なるラベルを付与し，より取りこぼしなく二輪車を検出できるかを検証した．このモデルの他に，車種でカテゴリを分けないシンプルな motorcycle ラベルのみのデータセットも用意した．これらを用いて静止した二輪車を可視光カメラを設置した四輪車で移動し続けながら撮影した映像に対する物体検出を実施し，二輪車を検出できた際の四輪車から二輪車までの距離を計測した．その結果， motorcycle データセットを学習したモデルは COCO データセットを学習したモデルと比較すると検出距離が向上したことが確認できた．一方，車種カテゴリ毎に分けたデータセットにおいて検出距離の向上は確認できなかった．
• 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: AA11515904
• 書誌情報: 研究報告高度交通システムとスマートコミュニティ（ITS）; 巻 2021-ITS-87, 号 12, p. 1-10, 発行日 2021-11-30
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8965
• 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