Data Augmentationを用いた深層学習手法による歩行者衝突検知システムの検出率改善
Improvement of Pedestrian Collision Detection Rate using Deep Learning with Data Augmentation
- 提供方法
- 本サイト上にてダウンロード・閲覧可
- 形態
- 価格
- 一般価格(税込)：￥1,100 会員価格(税込)：￥880
- 文献番号
- 20216036
- 文献・情報種別
- 学術講演会予稿集（秋）
No.88-21
- 掲載ページ
- 1-6(Total 6 p)
- 発行年月
- 2021年 10月
- 出版社
- (公社)自動車技術会
- 言語
- 日本語
- イベント
- 2021年秋季大会 【オンライン】
書誌事項
| 著者 | 1) 國富 将平, 2) 鮏川 佳弘, 3) 白川 正幸 |
|---|---|
| 著者（英） | 1) Shouhei Kunitomi, 2) Yoshihiro Sukegawa, 3) Masayuki Shirakawa |
| 勤務先 | 1) 日本自動車研究所, 2) 日本自動車研究所, 3) 日本自動車工業会 |
| 勤務先（英） | 1) JARI, 2) JARI, 3) JAMA |
| 抄録 | 本研究では，既存の画像を加工し学習データを増加させるData Augmentationを用いることで先進事故自動通報システム(AACN)の活用に向けた深層学習による歩行者衝突検知の精度向上を試みた．複数の加工手法による検出率への影響を比較した結果，Contrastを低下させた学習データを追加することで検出率が86.8％となり，従来手法と比較して34.3points上昇した． |
| 抄録（英） | We previously performed pedestrian collision detection using a deep learning method based on dashcam video data. However, the detection accuracy was poor owing to insufficient training data. Herein, we attempted to improve the accuracy of the detection for Advanced Automatic Crash Notification System (AACN) using data augmentation, which increases the amount of data by adding artificially generated training data. As a result of comparing the effects of multiple image processing methods on the detection rate, the detection rate increased to 86.8% by adding training data with reduced contrast. Our method was 34.3 points higher than the conventional method. 翻訳 |
