Attention機構を用いたLate fusion型マルチモーダル深層学習に基づく自動車の運転場面検出手法

カテゴリ: 部門大会

論文No: GS1-4

グループ名: 【C】2024年電気学会電子・情報・システム部門大会

発行日: 2024/08/28

タイトル(英語): Driving Scene Detection Method Based on Late Fusion Multimodal Deep Learning Using Attention Mechanism

著者名: 橋本 幸二郎（公立諏訪東京理科大学）,國行 浩史（公立諏訪東京理科大学）,道木 加絵（愛知工業大学）,舟洞 佑記（名古屋大学）,道木 慎二（名古屋大学）

著者名(英語): Kohjiro Hashimoto (Suwa University of Scienne),Hiroshi Kuniyuki (Suwa University of Scienne),Kae Doki (Aichi Institute of Technology),Yuki Funabora (Nagoya University),Shinji Doki (Nagoya University)

キーワード: 運転場面検出|時系列パターン認識|深層学習深層学習|Driving Scene Detection|Time Series Pattern Recognition|Deep Learning

要約(日本語): 高齢ドライバが起こす交通事故の主な要因は認知能力の低下と言われている。我々は実運転行動データからドライバの認知機能を評価する方法を確立するため、前段階として必要となる認知機能の評価可能な運転場面検出手法を検討している。ドライバは状況を認知し、操作を判断する。この操作の適切さから認知能力を評価できる。そこで検出すべき場面を、道路構造、出現物体、操作の3要素で構成される場面と捉え、本研究では実運転行動データから上記3要素で構成される場面を検出する手法を提案する。本手法では、マルチモーダル深層学習に基づき検出モデルを生成する。マルチモーダル学習では、特徴量をどこで統合するかでIntermediate fusionやLate fusion型等存在する。しかし、これらは適切な調整を行い限り特定のモダリティに過度に依存することがある。本研究では、このリスク軽減としてAttention機構を導入したモデル構造を提案し、その有効性を評価する。