近年，深層学習の普及に伴い，自動運転の実用化に向けた研究が活発に進められている．安全な走行を支援するために，災害時の道路異常やイベントに伴う渋滞といった，非日常的な状態の理解が重要である．そこで本研究では，道路上の異常な状態を対象として，深層学習を用いた認識を行う．
非日常的な現象はめったに起こらない現象であるため，学習のためのデータが不足している場合が多い．そこで我々は，深層学習を用いて非日常事象のデータ生成を行い，問題の解消を目指す．
冠水画像の生成
セマンティック情報を使用した複数ドメイン画像変換
GANを利用して非日常シーンを生成する際に，画像のセマンティックな情報と複数の道路状態を利用して画像変換を行うための手法を提案する．画像変換時には，複数のドメインを処理するために，入力情報にラベルを追加する．Generatorは，Discriminatorが入力で指定されたドメインとして分類するように，画像変換を学習する．さらに，セマンティックな情報が変化しないように制約を加えることで，想定外の変換を抑制する．
図1：Generatorの学習
図2：Discriminatorの学習
図3：画像変換例（左から原画像，変換画像，原画像，変換画像）
冠水シーンの検出
データ拡張の効果を示すために，非日常シーンに生成画像を追加し，非日常的なシーンの検出を行った．100imagesがデータ拡張なしである．そのほかはさまざまな手法で同様にデータ拡張を行った結果である．
冠水検出結果
Publications
|
