[1O1-GS-7] 画像音声メディア処理：GAN

[1O1-GS-7-04] 環境温度変化に頑健な遠赤外線画像認識にむけた CycleGANを用いたデータ拡張手法の検討

〇北條 雅矢¹、吉田 康太¹、藤野 毅¹ (1. 立命館大学)

キーワード：深層ニューラルネットワーク、敵対的生成ネットワーク、遠赤外線画像、データ拡張

深層ニューラルネットワークを用いた物体検出技術の応用が進んでおり，例えば自動車の高度運転支援システムでは車両に搭載したカメラで撮影した画像を用いた周辺環境の認識に使用されている．運転支援カメラでは可視光(RGB)カメラが主として使用されているが，物体に反射した光を受光する原理を使っているため夜間など周囲の光量が不十分な場合に画像のコントラストが低下し，物体検出の精度が低下してしまう．遠赤外線(FIR)カメラは物体の温度に依存して放射される遠赤外線を画像化するため，周辺の光量に依存せず物体を撮影することが可能である．一方で，FIR画像は夏や冬など撮影環境の温度が変化する場合に画像のコントラストや物体の映りかたが変化するため様々な季節や天候の条件下で学習用データを収集する必要があるが，RGBカメラと比較するとFIRカメラの普及率は低くFIR画像の入手は困難である．そこで本稿では環境温度ごとに訓練した複数のCycleGANを用いてRGB画像からFIR画像を生成する．生成画像を用いて訓練したFIR画像物体検出モデルは，精度および環境温度変化に対する頑健性が向上したことを報告する．