防災分野へ深層学習を適用した際の学習用データの改良

カテゴリ: 研究会(論文単位)

論文No: PI21013,IIS21026

グループ名: 【C】電子・情報・システム部門 知覚情報/【D】産業応用部門 次世代産業システム合同研究会

発行日: 2021/03/20

タイトル(英語): Improvement of training data when applying deep learning to disaster management field.

著者名: 中村 幸太(日本大学),門馬 英一郎(日本大学),小野 隆(日本大学),中村 嘉夫(ホーチキ)

著者名(英語): Kota Nakamura(Nihon University),Eiichiro Momma(Nihon University),Takashi Ono(Nihon University),Yoshio Nakamura(Hochiki Corporation)

キーワード: 機械学習|煙検知|深層学習|物体検出|防災|Machine learning|Smoke detection|Deep learning|Object detection|Disaster management

要約(日本語): 本研究では動画像から煙を検出することを目的としている。本稿では、深層学習を用いた際 の煙検出により生じた誤検出を R,G,B それぞれの色情報で学習したときに排除が可能か、 また、敵対的サンプルを学習用データに組み込むことにより精度向上が可能かを検討した。

要約(英語): The purpose of this study is to detect smoke from video images. In this paper, we investigate whether false positives caused by smoke detection when using deep learning can be eliminated when learning with R, G, and B color information, and whether accuracy can be improved by incorporating hostile samples into the training data.

本誌: 2021年3月23日知覚情報/次世代産業システム合同研究会

本誌掲載ページ: 19-23 p

原稿種別: 日本語

PDFファイルサイズ: 7,863 Kバイト