| 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 | 2022-02-18 16:00 任意の方向からの物体認識用訓練データ生成手法 ～ 動画とCGを活用した２つのアプローチ ～ ○尾関政朋・粂田彩華・工藤 司（静岡理工科大）  SWIM2021-38 |
|
| 抄録 | （和） | 深層学習を活用した物体認識は，様々な分野で広く活用されている．一方で，学習のための訓練データの準備にはしばしば大きな負荷を要し，応用上の課題になる．特に，ある物体を任意の方向から認識する場合には，様々な方向から撮影した訓練データが必要になり，応用上の負荷はさらに高くなる．本研究では，このような訓練データを効率的に生成するため，連続撮影した動画から訓練データを自動抽出する方式と，コンピュータグラフィックス（CG）により自動生成する方式の，２つのアプローチを提案する．さらに，訓練データの作成効率と物体認識の精度を評価し，特定の環境では前者が，多様な環境では両者を併用することが有効であることを示す． |
| （英） | Object recognition utilizing deep learning is widely applied in various fields. On the other hand, the preparation of training data for deep learning often requires a large load and becomes an obstacle to applying it. In particular, to recognize the target object from free directions, training data from the various direction is required, and the load becomes higher. In this study, to efficiently generate such training data, we propose two approaches. One is a method of automatically extracting training data from continuously shot videos; the other is a method of automatically generating it by computer graphics (CG). Furthermore, we evaluate the training data generation efficiency and object recognition accuracy. And, it is shown that the former method is effective when the environment is specified; using both methods together is effective when the environment is not specified, namely various environments. | |
| キーワード | （和） | 深層学習 / 物体認識 / 訓練データ生成 / コンピュータグラフィックス / CG / 動画 / / |
| （英） | deep learning / object recognition / training data generation / computer graphics / CG / video / / | |
| 文献情報 | 信学技報, vol. 121, no. 372, SWIM2021-38, pp. 51-58, 2022年2月. | |
| 資料番号 | SWIM2021-38 | |
| 発行日 | 2022-02-11 (SWIM) | |
| 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 | SWIM2021-38 |
|
| 研究会情報 | |
| 研究会 | SWIM |
| 開催期間 | 2022-02-18 - 2022-02-18 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | ビジネス評価と信頼性、学生セッション、一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | SWIM |
| 会議コード | 2022-02-SWIM |
| 本文の言語 | 日本語 |
| タイトル（和） | 任意の方向からの物体認識用訓練データ生成手法 |
| サブタイトル（和） | 動画とCGを活用した２つのアプローチ |
| タイトル（英） | Training Data Generation Method for Object Recognition from Free Direction |
| サブタイトル（英） | Two Approaches Utilizing Video and CG |
| キーワード(1)（和/英） | 深層学習 / deep learning |
| キーワード(2)（和/英） | 物体認識 / object recognition |
| キーワード(3)（和/英） | 訓練データ生成 / training data generation |
| キーワード(4)（和/英） | コンピュータグラフィックス / computer graphics |
| キーワード(5)（和/英） | CG / CG |
| キーワード(6)（和/英） | 動画 / video |
| 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） | 尾関 政朋 / Masatomo Ozeki / オゼキ マサトモ |
| 第1著者 所属（和/英） | 静岡理工科大学 (略称： 静岡理工科大) Shizuoka Institute of Science and Technology (略称： SIST) |
| 第2著者 氏名（和/英/ヨミ） | 粂田 彩華 / Ayaka Kumeta / クメタ アヤカ |
| 第2著者 所属（和/英） | 静岡理工科大学 (略称： 静岡理工科大) Shizuoka Institute of Science and Technology (略称： SIST) |
| 第3著者 氏名（和/英/ヨミ） | 工藤 司 / Tsukasa Kudo / クドウ ツカサ |
| 第3著者 所属（和/英） | 静岡理工科大学 (略称： 静岡理工科大) Shizuoka Institute of Science and Technology (略称： SIST) |
| 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 | 2022-02-18 16:00:00 |
| 発表時間 | 25分 |
| 申込先研究会 | SWIM |
| 資料番号 | SWIM2021-38 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.372 |
| ページ範囲 | pp.51-58 |
| ページ数 | 8 |
| 発行日 | 2022-02-11 (SWIM) |
[研究会発表申込システムのトップページに戻る]