Deep Learning
Semantic Segmentation
口頭発表
運転計測情報を用いたデータ選択と半教師あり学習によるセマンティックセグメンテーション
- Author
- 山田裕大, 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，自動運転車の走行可能領域の把握や周辺状況の把握のために必要な技術である．通常のセマンティックセグメンテーションの学習には，画像の各ピクセルに対して正解ラベルを付与する必要があり，人的コストが高いという問題点がある．この問題を解決するために，教師ありデータと教師なしデータの両方を用いて学習を行う半教師あり学習が注目されている．しかし，半教師あり学習において教師ありデータの割合が極端に少ない場合，教師ありデータに対する過学習が発生するという問題がある．そこで本研究では，教師なしデータの一部に擬似ラベルを付与した半教師あり学習法を提案する．擬似ラベルは，教師ありデータのみを使用して学習したモデルを用いて生成する．生成した擬似ラベルを教師なしデータに付与し，教師ありデータとして扱う．この時，少量の教師ありデータで学習したモデルは，学習データと大きく異なるシーンのデータに対して精度が低く，擬似ラベルとして用いることが適切ではないことが考えられる．そこで，提案手法では，データ撮影時に獲得した計測情報をもとに，擬似ラベルを付与する教師なしデータ選択することによって，学習データと似たシーンの擬似ラベルを使用する．これにより，教師ありデータの割合を増やし，過学習の抑制と，精度の向上を実現する事を示す．