Deep Learning
口頭発表
Multi Head構造を導入したマルチドメイン・セマンティックセグメンテーション
- Author
- 正木翔大, 平川翼, 山下隆義, 藤吉弘亘
- Publication
- 画像センシングシンポジウム, 2021
Download: PDF (Japanese)
セマンティックセグメンテーションは，ピクセルレベルでの識別を行うため，オブジェクトの種類だけでなく物体の位置，形状も認識することができる．一方で，セマンティックセグメンテーションは，学習と異なるシーンやカメラの位置などドメインの変化によって認識精度が著しく低下する．そのため，様々な地域で運用される自動運転システムにセマンティックセグメンテーションを用いる場合，地域ごとのデータで学習したモデルが複数必要となる．これにより，メモリコストの増加や使用するモデルを選択する機構が必要となるなどの問題がある．そこで本研究では，異なるドメインのデータセットを同時に学習するために，Multi Head構造を導入したセマンティックセグメンテーション手法を提案する．本手法では，エンコーダ・デコーダ構造のモデルをベースとし，エンコーダおよび，一部のデコーダは全てのドメインで共有する．そして，各データセットごとに用意した出力Headに入力することでデータセット固有の出力が可能となる.