ドライブレコーダーからの冠水検出: セマンティック情報を導入したGANによる非日常事象のための深層学習手法

摘要

非日常的な現象をドライブレコーダーから自動的に検出することができれば，事故や渋滞，危険回避に役立つ．我々は，非日常事象として冠水道路に着目し，これを学習により検出する手法を提案してきた．通常，学習には多くのデータが必要となるが，非日常現象は滅多に起きないため，データが不足する．そこで提案手法では，Generative Adversarial Networks（GAN）と呼ばれる深層学習を用いて，晴れや雨の画像を冠水画像に変換する手法によりデータを増やし，認識率を向上させてきた．ところが通常のGANでは，道路が車に変換されるなど，意図しない変換が起こることがある．そこで，本論文では，画像変換の前後において同一領域の意味的な情報が変化しないGANを提案し，これにより，意図しない変換を減少させ，既存手法に対して道路状態の認識率が向上すること確認した．