空間知能化に向けた能動的画像センシングによるマッピング技術の研究

点击翻译按钮获取中文摘要

今年度は空間知能化の課題に向けセマンティック・セグメンテーションの課題に取り組んだ．ロボットなどエージェントは人間のように目（センサー）を使い「どこ」に「何」があるかを理解し，タスクを遂行する．これには，ピクセル単位の認識を行うセマンティック・セグメンテーションが空間理解に必要である．ただ，従来のセグメンテーションモデルを学習するロス関数では，セグメンテーションの境界付近の認識率が低くなってしまう．境界付近に特化したロス関数などの提案はされてきたが，計算コストが高く複数クラスへの適応が難しい．今年度は境界付近の認識率への向上を試みて，マルチクラスのセマンティック境界のマルチタスク学習により，境界を理解した表現学習手法の提案をした．この学習方法ではセグメンテーションを学習しつつ，セマンティック境界に必要な表現もバックボーンが学ぶ．よって，本手法をSemantic Boundary Conditioned Backbone (SBCB)フレームワークと名前をつける．既存の様々な特徴抽出機とセグメンテーション・ヘッドに適応でき，推論時にはコストがかからず柔軟である．また，実験によりフレームワークを利用することで境界付近のみならず，セグメンテーションの評価値も向上した．さらに，セマンティックの境界認識率もこのフレームワークのモデルはシングルタスクで学習した手法より高く，ロボットなど空間を三次元で理解しないといけない場合境界認識は必要不可欠なため有効になると考えられる．この手法と実験結果は論文誌の審査中である．