Deep Learning
Semantic Segmentation
口頭発表
マルチドメインに対応した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
- 中村泰智，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, 2023
Download: PDF (Japanese)
セマンティックセグメンテーションは，入力画像の画素単位でクラス分類を行うタスクである.自動運転のセマンティックセグメンテーションを用いる場合，都市部や山間部などの様々な環境において高い識別精度が要求される.そのため,様々な環境で取得した膨大な車 載画像を学習する必要がある.車載画像データは，車載カメラの普及により容易に収集することが可能となった.しかしながら，画素単位でラベル付けするアノテーション作業が必要であるため，ラベルありデータの作成に多くの時間を必要となる.
また，学習データセットと評価するデータセットが異なるシーンやカメラの位置の違いによるドメインの変化によって認識精度が著しく低下する問題がある.そのため，様々な地域で運用される自動運転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を複数用意する必要がある.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，マルチドメインに対応した出力が可能であるマルチヘッド構造を導入することで単一のモデルで学習可能になり，少量のラベルありデータと大量のラベルなしデータを用いた学習方法である半教師あり学習を導入することで，アノテーションコストの削減が可能である．その結果，教師あり学習に比べ精度の向上が見られ，複数のシングルドメインを行うよりもパラメータ数を削減すること確認できた．