AIによる物体検出の学習データ構築コストを半減する技術を開発：人工知能ニュース

パナソニックHDは、「少数のラベル付きデータに対するドメイン適応技術」において、従来と比べて圧倒的に少ない学習データと、短時間かつ低コストで高精度なAIモデルを提供できる技術を開発した。

[MONOist]

　パナソニック ホールディングス（以下、パナソニックHD）は2023年5月23日、AI（人工知能）による物体検出の精度低下を抑えながら、学習データの構築コストを半減できる技術を開発したと発表した。

　AIモデルの性能向上には大量の学習データが必要だが、準備に多くの時間とコストがかかる。この課題を解決する技術として、「少数のラベル付きデータに対するドメイン適応技術」がある。

　同技術は、公開されている多数のラベル付きデータ（ソースドメイン）で学習したAIモデルの知識を、少数の現場データ（ターゲットドメイン）の学習に利用することで、少ない現場データでAIモデルを学習できる。しかし、ソースドメインとターゲットドメインの間に、データの見え方が異なるなどのギャップがある場合、高い性能を得ることは難しかった。

　今回開発した技術では、ソースドメインとターゲットドメインとで画像の見え方が異なる場合でも、画像に写る物体の領域情報を利用し、同じ種類の物体同士を置き換えることで画像中の物体位置や存在確率も考慮する。また、あえてドメインの識別を失敗するようにAIモデルを更新する敵対性学習により、両ドメイン共通の特徴でAIモデルが画像を認識できるようになった。

提案手法の構成［クリックで拡大］ 出所：パナソニックHD

　開発した技術を多様な現場データで実証したところ、RGB画像をソースドメインに、遠赤外線画像をターゲットドメインにする難しい物体検出においても、有効性が確認された。

遠赤外線画像を用いた、学習データを16分の1、64分の1に削減した場合の検出結果例。（a）（b）が従来法、（c）が提案法、（d）が正解［クリックで拡大］ 出所：パナソニックHD

　開発した技術は、従来と比べて圧倒的に少ない学習データと、短時間かつ低コストで高精度なAIモデルを提供できる。これにより、センシング対象や状況が異なるソリューション、屋外暗所向けの認識技術の開発期間短縮に貢献する。

⇒その他の「人工知能ニュース」の記事はこちら