| 研究課題/領域番号 |
22K12103
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分61010:知覚情報処理関連
|
|---|
| 研究機関 | 一橋大学 |
|---|
研究代表者 |
WANG YU 一橋大学, 情報基盤センター, 准教授 (60724169)
|
|---|
| 研究分担者 |
加藤 ジェーン 立命館大学, 情報理工学部, 教授 (70251882)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2024年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2023年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2022年度: 2,340千円 (直接経費: 1,800千円、間接経費: 540千円)
|
|---|
| キーワード | 歩行者検出 / 歩行者属性認識 / 交通シーン理解 |
|---|
| 研究開始時の研究の概要 |
交通事故による死者数のうち，最大の割合を占めるのは歩行者である．歩行者の死亡事故を将来にわたって削減していくためには，運転者に対する歩行者に特化した危険回避支援が必要となる．本研究はこの視点に立ち，車載カメラ映像から，潜在的な危険を有する「要注意歩行者」を早い段階で検出する技術を開発する．本研究の実施により，運転者に対して，より重要な情報をより早い時点で提供することが可能となり，時間の余裕をもった危険回避操作の促しなどで，事故を未然に防ぐ効果が期待できる．また，自動運転技術などへの波及効果も見込まれる．
|
| 研究実績の概要 |
本研究は、交通危険の早期回避を支援するために、「要注意歩行者」の検出技術の確立を目標としている。この目標は、[1]歩行者検出と環境属性認識手法の開発、[2]歩行者固有属性詳細認識手法の開発、[3]歩行者行動属性認識手法の開発、及び[4]「要注意歩行者」の判定手法の開発により実現する。令和5年度は各項目について、それぞれの研究開発を行った。
研究項目[1]については、令和4年度に開発した「2.5D候補領域生成アルゴリズム」の基本実装を改良した。OpenMMLabというオープンソースのライブラリを参考にして、基本実装の半分以上のソースコードを書き直し、実行速度を約1割程度向上させた。
研究項目[2]については、nuImagesから抽出した歩行者の画像データを対象に、歩行者の危険度予測に役立つ年齢層、服装および所持品についてラベル付けを行った。この新たに作成したデータセットを用いて、令和4年度に開発したCross-layer Mutual Attention Learning Networkの評価実験を行い、その有効性を確認した。また、作成したデータセットにラベル分布の不均衡問題を確認した。そこで、外部データを活用した詳細認識手法を提案し、認識精度を約5%程度向上させた。
研究項目[3]については、人物行動認識における代表的な深層モデルである3D ConvNetsを解釈するためのSTCE手法を開発した。STCEを用いて学習済みの行動認識3D ConvNetsモデルの判断根拠を特定でき、モデルの信頼性および透明性を向上させることができた。また、STCEを用いたConcept Fusionを提案し、行動認識の性能向上に有効であることを確認できた。
研究項目[4]について、「要注意歩行者」の判定ルールを学習するための学習サンプルの収集作業を行った。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
研究項目[1]-[3]については順調に進んでいる。研究項目[4]については、大規模な学習実験に十分なデータ数を収集できなかったが、データ収集作業自体はおおむね順調にすすめているため、研究全体の進展への影響はないと考えている。
|
| 今後の研究の推進方策 |
研究項目[1]に関して、畳み込みニューラルネットワークの代わりに、Vision Transformerを「2.5D候補領域生成アルゴリズム」のバックボーンモデルとして活用し、認識精度のさらなる向上を目指す。
研究項目[2]に関して、学習データにおける不均衡問題の対策として、詳細認識モデルのCross-layer Mutual Attention Learning Networkに外部データの活用手法を取り入れる。
研究項目[3]に関して、STCEおよびConcept Fusionの実装をさらに改良する。また、Video Vision Transformerをバックボーンモデルとした行動属性認識手法の開発に取り組む。
研究項目[4]に関して、データ収集のペースを上げて、令和6年度の前期までに大規模の学習実験を始められる環境を整える。
|
