道路損傷検出及び地図更新のための自己学習型車載スマートビジョンシステムの開発

点击翻译按钮获取中文摘要

道路損傷の簡易的な点検手法に関する研究が盛んに行われており，主に深層学習と画像処理手法等を用いることで道路損傷箇所を検出している。しかし，交通量や自然環境が常に変化することで教師データに存在しない現象が出現するため，高い検出精度を維持することは難しい。さらに，検出された損傷箇所の保存方法や運転への利活用も課題となっている。そこで，本研究では，道路の損傷情報をダイナミックマップに反映させることのできるスマートビジョンシステムを開発する。このシステムは，損傷箇所の経年変化や環境変化に対応するため，既存のラベル付き教師データを活用しつつ，損傷箇所の検出結果を新たに学習して教師データとして活用する機能を備えたものである。この研究によって，車両に搭載されたスマートフォンやドライブレコーダなどで道路を撮影するだけで，普段の防災・維持管理に努めることができ，自然災害発生直後にも情報を迅速かつ的確に収集し，復旧や支援に必要不可欠な道路交通網を確保することが可能となる。さらに，将来の自動運転に必要となるダイナミックマップの作成にも寄与することができる。本年度は，エンコーダにImagenetで事前学習したものを使用し，ラベル付きデータのみを用いてファインチューニングを行った後，ネットワークの重みを初期値として使用し，クラスタリングとネットワークの学習を並行して行いながら，既知クラスと未知クラスの分類を試みた。また，モバイル動作に最適なCNNおよびvision transformerで実験を行った。その結果，CIFER10，CIFER100，道路画像データセットにおいて良好な結果が得られた。今後は，Generalized Category Discovery等に取り組んでいく必要がある。