自動運転トラックは「転移学習」で進化 米NVIDIAのAI動画に秘める可能性
自動運転ラボ
30Picks
コメント
注目のコメント
普段は「婚活が~」とか「TVCMが~」とかナンパなことをコメントしていますが、たまには「こんな基礎的で真面目な研究もしていますよ」というところをアピール。
深層学習は逐次的に中の重み等を更新していくのでこれまでの機械学習手法にくらべて転移学習に向いているという特徴があります。しかし、例えばCGで道路空間を再現してDNNを学習させても微妙に実カメラで撮った映像とは異なるのでうまく動作しない場合があります。そんなとき、どうしたら転移学習がうまくいくのかという研究もしています。来月のCVPR2018で発表。
Naoto Inoue, Ryosuke Furuta, Toshihiko Yamasaki, and Kiyoharu Aizawa, “Cross-Domain Weakly-Supervised Object Detection through Progressive Domain Adaptation,” Computer Vision and Pattern Recognition (CVPR), 2018.
ArXivで論文も公開中
https://arxiv.org/abs/1803.11365「転移学習」ってあまり聞いたことがありませんでしたが、自動運転トラックの実現に向けては非常に重要な要素になりそう。トラックはトレーラーを引くので、走行軌跡が一般的な車とは異なる。引くトレーラーのサイズ感の違いをどうシステム側が解釈してハンドル操作などを実行するかも気になるところ。