防災分野での深層学習における敵対的サンプルを用いた学習方法の検討

カテゴリ: 研究会(論文単位)

論文No: PI21050,IIS21036

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: 2021/08/28

タイトル(英語): Examination of learning methods using adversarial example in 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、煙を学習させたモデルに対して、敵対的サンプルを生成し、それを学習用データに組み込んだ際の結果からどのようなデータが有効であるか調査した。また、これまで煙のみの1クラスを学習していたが、煙の他に人などの複数クラスを含む学習を行うことで精度が向上するか検討した。

要約(英語): The purpose of this study is to detect smoke from video images. In this paper, we investigate what kind of data is effective for deep learning by generating adversarial example and incorporating them into the learning process. We also investigate whether the accuracy of the learning process can be improved by including multiple classes such as people in addition to smoke.

本誌: 2021年8月31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: 25-30 p

原稿種別: 日本語

PDFファイルサイズ: 6,140 Kバイト