［チュートリアル講演］高精度・高効率なロボットビジョンの構築法：深層学習用データセット生成法とハードウェア実装の両面より

• Item type: SIG Technical Reports(1)
• 公開日: 2022-06-02
• タイトル: ［チュートリアル講演］高精度・高効率なロボットビジョンの構築法：深層学習用データセット生成法とハードウェア実装の両面より
• タイトル / 言語: en
• タイトル: How to build a High-Precision and Efficient Robot Vision: Dataset Generation and Hardware Implementation for Deep Learning
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: チュートリアル講演
• 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: 九州工業大学大学院生命体工学研究科
• 著者所属(英): en
• 著者所属(英): Graduate Schoolo of Life Science and Systems Engineering, Kyushu Institute of Technology
• 著者名: 田向, 権
• 著者名(英): Hakaru, Tamukoh
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本チュートリアル講演では，高精度かつ高効率なロボットビジョンの構築法として，独自データセットの半自動生成法と，深層ニューラルネットワーク（DNN: Deep Neural Network）の Field Programmable Gate Array（FPGA）の簡便な実装例を示す．独自データセットの半自動生成法においては，人手では膨大な時間がかかるアノテーション作業を完全に削減することで，約 2 時間程度で実用に耐えうる深層学習用のデータセットが生成できることを示す． RoboCup や World Robot Summit といった競技会を通した実環境下での評価結果を示す．また，DNN の FPGA 実装においては，YOLO v3 tiny を題材にその実例を示す．本講演を通し，人工知能のエッジ応用において大きな障壁となる，データセット作成と電力問題に関して解決策の一例を示す．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: This tutorial lecture explains a construction method for high-precision and efficient robot vision that includes a semi-automatic dataset generation method and an implementation method of deep neural networks (DNNs) on field-programmable gate arrays (FPGAs). The proposed dataset generation method ultimately reduces the time-consuming manual annotation process, and a generated dataset for DNNs can be prepared in about two hours. I show the evaluation results for a DNN trained by the generated dataset under real-world conditions through robot competitions such as RoboCup and World Robot Summit. We also show an example of FPGA implementation of YOLO v3 tiny. Through this presentation, I show examples of solutions for dataset preparation and power-consumption issues, which are significant barriers to edge applications of artificial intelligence.
• 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: AN10438399
• 書誌情報: 研究報告オーディオビジュアル複合情報処理（AVM）; 巻 2022-AVM-117, 号 12, p. 1-4, 発行日 2022-06-02
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8582
• 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