| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2019-11-28 13:05 ディープラーニングによる物体検出において正しく検出できない原因を解析する手法の提案 ○久保田智規・中尾鷹詔・吉田英司（富士通研）  AI2019-30 |
|
| 抄録 | （和） | 本稿では，ディープラーニングによる物体検出において物体を正しく検出できない/検出精度が劣化する原因の解析手法を提案する．筆者らは，以前，画像に1つの認識対象が存在する物体認識において誤認識の原因を可視化する手法を提案した．今回，本手法を複数物体の存在位置や分類確率を予測する物体検出(YOLOv3)に拡張した．本手法は，推論モデルが物体を正しく検出できない，あるいは，検出精度が劣化する画像(入力画像)において，原因を画素粒度で抽出・可視化する．また，入力画像に本手法で抽出した画素粒度の原因情報を適用することで，物体の存在する位置の予測や正解クラスの分類確率が向上する画像に修正可能である．これは逆説的に，本手法で抽出した，物体を正しく検出できない/検出精度が劣化する原因の情報が適切であることを示す． |
| （英） | In this paper, we propose a method for analyzing the causes of incorrect detection / poor accuracy when detecting objects using Deep Learning. The authors have previously proposed a method for visualizing the cause of misrecognition in object recognition where one recognition object exists in an image. This time, we extended this method to object detection (YOLOv3) which predicts the existence position and classification probability of multiple objects. This method can extract and visualize causes of incorrect detection / poor accuracy, at pixel granularity. And, by applying the extracted information to the image in which the object cannot be correctly detected, it can be corrected to the image in which prediction of the position where the object exists and classification probability of correct class are improved. Thereby, the extracted information can correctly indicate the causes of incorrect detection / poor accuracy. | |
| キーワード | （和） | 物体検出 / 畳み込みニューラルネットワーク / 推論 / 誤検出 / 可視化 / 説明可能なAI / / |
| （英） | object detection / convolutional neural network / inference / misdetection / visualizing / XAI / / | |
| 文献情報 | 信学技報, vol. 119, no. 317, AI2019-30, pp. 1-6, 2019年11月. | |
| 資料番号 | AI2019-30 | |
| 発行日 | 2019-11-21 (AI) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | AI2019-30 |
|
| 研究会情報 | |
| 研究会 | AI |
| 開催期間 | 2019-11-28 - 2019-11-28 |
| 開催地（和） | 九州大学 伊都キャンパス |
| 開催地（英） | |
| テーマ（和） | 「コンテキストを意識した知識の利用」および一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | AI |
| 会議コード | 2019-11-AI |
| 本文の言語 | 日本語 |
| タイトル（和） | ディープラーニングによる物体検出において正しく検出できない原因を解析する手法の提案 |
| サブタイトル（和） | |
| タイトル（英） | A proposal of a method for analyzing causes of incorrect detection when detecting objects using Deep Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 物体検出 / object detection |
| キーワード(2)（和/英） | 畳み込みニューラルネットワーク / convolutional neural network |
| キーワード(3)（和/英） | 推論 / inference |
| キーワード(4)（和/英） | 誤検出 / misdetection |
| キーワード(5)（和/英） | 可視化 / visualizing |
| キーワード(6)（和/英） | 説明可能なAI / XAI |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 久保田 智規 / Tomonori Kubota / クボタ トモノリ |
| 第1著者 所属（和/英） | 株式会社富士通研究所 (略称： 富士通研) Fujitsu Laboratories LTD. (略称： Fujitsu Lab.) |
| 第2著者 氏名（和/英/ヨミ） | 中尾 鷹詔 / Takanori Nakao / ナカオ タカノリ |
| 第2著者 所属（和/英） | 株式会社富士通研究所 (略称： 富士通研) Fujitsu Laboratories LTD. (略称： Fujitsu Lab.) |
| 第3著者 氏名（和/英/ヨミ） | 吉田 英司 / Eiji Yoshida / ヨシダ エイジ |
| 第3著者 所属（和/英） | 株式会社富士通研究所 (略称： 富士通研) Fujitsu Laboratories LTD. (略称： Fujitsu Lab.) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2019-11-28 13:05:00 |
| 発表時間 | 25分 |
| 申込先研究会 | AI |
| 資料番号 | AI2019-30 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | no.317 |
| ページ範囲 | pp.1-6 |
| ページ数 | 6 |
| 発行日 | 2019-11-21 (AI) |
[研究会発表申込システムのトップページに戻る]