敵対的学習に基づくドメイン適応によるドライブレコーダを用いたヒヤリハット検出及び分類

情報処理学会

説明

ドライブレコーダデータから交通事故やヒヤリハットなどの危険な状態を有用なデータとして抽出，分類し，その利活用が行われている．しかしながら，それらのデータを自動的に抽出，分類するには多量の教師データを人手で用意する必要があり，高コストである．また，既存の教師ありデータを用いて学習したモデルを適用することも考えられるが，車種やカメラの種類などの収集時の条件の違いによって，データ集合全体の傾向が大きく変化し，その精度は制限される．そこで本稿では，分類対象のデータと異なる環境で収集されたデータセットとその教師データを元に，高精度な分類モデルの構築を目指す．具体的には，既存の Convolutional Recurrent Neural Networks ベースのヒヤリハット分類手法をベースに，収集した環境を推定する層を追加することで，敵対的学習によるドメイン適応を行う．これによって，従来は収集した環境に大きく依存した特徴量を抽出する CNN 部分について，環境に依存しない特徴量の抽出が期待できる．実験では，実際のドライブレコーダデータを用いて検証を行い，ドメイン適応によって教師データがない環境下のデータ集合に対しても，高い分類精度を持つモデルを構築できることを示した．

収録刊行物

キーワード

詳細情報 詳細情報について

問題の指摘

ページトップへ