@techreport{oai:ipsj.ixsq.nii.ac.jp:00218222,
 author = {田向, 権 and Hakaru, Tamukoh},
 issue = {12},
 month = {Jun},
 note = {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．, 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.},
 title = {［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},
 year = {2022}
}