Human Detection
Deep Learning
口頭発表
Drop and Median Inferenceによる歩行者検出の高精度化
- Author
- 福井宏, 山下隆義, 綿末太郎, 山内悠嗣, 藤吉弘亘, 村瀬洋
- Publication
- ビジョン技術の実利用ワークショップ, 2014
Download: PDF (Japanese)
Deep Convolutional Neural Network(CNN)は，重みフィルタによる畳み込み層を持つ特徴抽出部と全結合層の識別部からなる多層ニューラルネットワークである．CNNは，高い汎化能力を有しているため，様々な画像認識問題に利用されている．CNNの汎化性能を向上させるテクニックとして，Dropoutがある．Dropoutは，学習時にランダムに選択したユニットの出力を0にすることで更新する結合重みを限定し，汎化性能を向上させることができる．従来のDropoutは，学習時におけるランダム性を利用した汎化性能向上に留まっており，識別処理時に同様の処理は行われていない．そこで，本研究では，識別処理においてDropoutにより結合重みを取り除く手法を導入したDrop and Median Inference(Dn’MI)を提案する．Dn’MIは，結合重みをDropoutにより取り除いた複数のネットワークを構築し，各ネットワークの応答値の中から中央値を出力する．歩行者検出の評価実験により， state-of-the-art なCNNによる歩行者検出法である，複雑な構造を持つJoint Deepと比べ，提案手法はシンプルな構造で同等の検出精度であることを確認した．