走行環境認識性能の継続的な向上を実現する動画収集解析基盤の研究

2017 Fiscal Year Research-status Report

• Project/Area Number: 17K00446
• Research Institution: Advanced Telecommunications Research Institute International
• Principal Investigator: 玉井 森彦 株式会社国際電気通信基礎技術研究所, 適応コミュニケーション研究所, 研究員 (90523077)
• Project Period (FY): 2017-04-01 – 2020-03-31
• Keywords: 機械学習 / 走行環境認識 / 分散コンピューティング

Outline of Annual Research Achievements

本年度は，多数の車両から効率よく動画データを収集する方式について検討を行った．
(1) 機械学習のモデルの認識性能向上への寄与が大きいデータを選択的に収集するため，既存の各種認識手法について調査，選定を行った．また，各種手法の性能調査を行うとともに，実装上の利便性を向上するためのライブラリの実装を行った．
(2) 車両側では利用可能な計算資源が限られるため，(1) で選定した各種手法を複数車両間で適切に分担実行し合い，似たような特徴のデータが重複して複数車両にて処理される無駄が生じないような機構についての検討を行った．
(3) 実車両にて走行中の動画の収集を行った．本データは上記各項目での検討の際に利用した．また，次年度以降の研究においても活用する．

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

概ね当初の予定に即して研究を遂行した．なお一点，当初はステレオカメラの導入による認識性能への影響の調査についても実施内容に含めることを予定していたが，予算の関係上から省くものとした．市場価格等の推移も見つつ，今後導入についての可能性も残しつつ，検討を進める．

Strategy for Future Research Activity

次年度は，本年度の内容に基づき，その発展として以下の点について研究を行う．
(1) 学習用データの自動生成方式について検討する．車両側での計算資源上の制約を考慮しつつ，車両側とサーバ側でどのような組み合わせで認識手法を分割実行すると，学習用データの自動生成上の効率が良いかについて検討を行う．
(2) 走行環境に応じたモデルの使い分け方式について検討する．走行環境は都市部や農村部などで大きく異なるため，走行環境に応じて適切に手法を使い分けることが重要であると考える．

Causes of Carryover

ステレオカメラの導入見合わせに伴い生じたが、今後の市場価格の推移を見つつ、導入の可否を判断する。