深層学習を用いた物体検知のハイパーパラメータによる影響の評価

カテゴリ: 研究会(論文単位)

論文No: TER24051,MSS24021

グループ名: 【D】産業応用部門 交通・電気鉄道/【E】センサ・マイクロマシン部門 マイクロマシン・センサシステム合同研究会

発行日: 2024/02/27

タイトル(英語): Evaluating Effect of Hyperparameters on Object Detection Using Deep Learning

著者名: 清水 義輝(鉄道総合技術研究所),合田 航(鉄道総合技術研究所),長峯 望(鉄道総合技術研究所)

著者名(英語): Yoshiki Shimizu(Railway Technical Research Institute),Wataru Goda(Railway Technical Research Institute),Nozomi Nagamine(Railway Technical Research Institute)

キーワード: ＡＩ|artificial intelligence

要約(日本語): これまで、沿線設備や人を検出するためにAIを使用した物体検出モデルを利用してきた。モデルの性能向上には学習画像の拡充する方法と、学習の仕方を決定するハイパーパラメータの変更があるが、後者については定量的な検討を実施してない。しかし、ハイパーパラメータはモデルの性能に影響を与える要素が含まれている。モデルの性能を引き出すため、学習時のハイパーパラメータを変更した場合のモデルの性能比較について報告する。

要約(英語): We have employed object detection models utilizing artificial intelligence to detect features along railway lines. Enhancing the performance of object detection models involves expanding the training dataset or modifying hyperparameters that govern the learning process. However, there has been a lack of investigation into the latter. To maximize the performance of the object detection model, this paper reports on a comparative analysis of the model's performance when the hyperparameters during training are altered.

本誌: 2024年3月1日交通・電気鉄道/マイクロマシン・センサシステム合同研究会-2

本誌掲載ページ: 53-58 p

原稿種別: 日本語

PDFファイルサイズ: 2,609 Kバイト