エッジAI向け物体検出モデル作成におけるアノテーション効率化手法

• Item type: Symposium(1)
• 公開日: 2024-06-19
• タイトル: エッジAI向け物体検出モデル作成におけるアノテーション効率化手法
• タイトル / 言語: en
• タイトル: An Efficient Annotation Method for Object Detection Modeling in Edge AI Architecture
• 言語: jpn
• 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: 名古屋大学大学院 工学研究科
• 著者所属: 名古屋大学大学院 工学研究科
• 著者所属: 名古屋大学大学院 工学研究科
• 著者所属: 名古屋大学大学院 工学研究科
• 著者所属: 名古屋大学大学院 工学研究科
• 著者所属: 名古屋大学大学院 工学研究科
• 著者所属: 名古屋大学大学院 工学研究科／名古屋大学 未来社会創造機構
• 著者名: 森, 裕輝; 浅井, 悠佑; 東浦, 圭亮; 片山, 晋; 浦野, 健太; 米澤, 拓郎; 河口, 信夫
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 近年，物流に対する世界的な需要が拡大し続けており，倉庫内業務の効率化は重要な課題である．倉庫内業務の効率化に向け，大規模カメラ基盤を構築し，その映像データを基に倉庫内オブジェクトの位置や動きのデータ化を試みている．しかし，すべての映像データをクラウドに送信し，処理を行うことは，膨大な通信量や処理電力がかかる．エッジAIカメラの利用により，映像をカメラ内で分析・データ抽出，必要な情報のみを転送し，通信量と消費電力を大幅に削減できる．しかし，エッジAIカメラの計算能力の制約と倉庫内の複雑な環境下という条件より，軽量で高精度な物体検出モデルが必要となる．エッジAIカメラごとに物体検出モデルを作成すれば，高精度を期待できるが，アノテーションコストは膨大になる．本研究では，学習データ生成時においてもエッジ側で処理し，通信量・ストレージ量を抑近年，物流に対する世界的な需要が拡大し続けており，倉庫内業務の効率化は重要な課題である．倉庫内業務の効率化に向け，大規模カメラ基盤を構築し，その映像データを基に倉庫内オブジェクトの位; 置や動きのデータ化を試みている．しかし，すべての映像データをクラウドに送信し，処理を行うことは，膨大な通信量や処理電力がかかる．エッジ AI カメラの利用により，映像をカメラ内で分析・データ抽出，必要な情報のみを転送し，通信量と消費電力を大幅に削減できる．しかし，エッジ AI カメラの計算能力の制約と倉庫内の複雑な環境下という条件より，軽量で高精度な物体検出モデルが必要となる．エッジ AIカメラごとに物体検出モデルを作成すれば，高精度を期待できるが，アノテーションコストは膨大になる．本研究では，学習データ生成時においてもエッジ側で処理し，通信量・ストレージ量を抑えつつ，アノテーションを効率化する方法を提案する．具体的には，エッジ AI カメラを用いて，倉庫内の映像からオプティカルフローを用いて動的物体・静的物体の位置情報を取得し，その位置情報を基に表現学習を用いて倉庫内オブジェクトをセグメンテーションした．その後，サーバ上でクラスタリングを行い類似オブジェクトを一つのクラスタにまとめ，クラスタごとに一括でラベリングしてアノテーションコストを大幅に削減した．また，セグメンテーションまでをエッジ AI カメラ上で実行し，学習データ生成時においても通信量・ストレージ量を抑えた．評価実験として，提案手法で収集したデータを YOLOv8n を用いて学習した．結果として，通信量・ストレージ量を抑えつつ，物体検出モデル作成に必要なアノテーションコストを著しく削減した．
• 書誌情報: マルチメディア，分散，協調とモバイルシンポジウム2024論文集; 巻 2024, p. 292-301, 発行日 2024-06-19
• 出版者 / 言語: ja
• 出版者: 情報処理学会