| 講演名 | 2019-11-28 ディープラーニングによる物体検出において正しく検出できない原因を解析する手法の提案 久保田 智規(富士通研), 中尾 鷹詔(富士通研), 吉田 英司(富士通研), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 本稿では，ディープラーニングによる物体検出において物体を正しく検出できない/検出精度が劣化する原因の解析手法を提案する．筆者らは，以前，画像に1つの認識対象が存在する物体認識において誤認識の原因を可視化する手法を提案した．今回，本手法を複数物体の存在位置や分類確率を予測する物体検出(YOLOv3)に拡張した．本手法は，推論モデルが物体を正しく検出できない，あるいは，検出精度が劣化する画像(入力画像)において，原因を画素粒度で抽出・可視化する．また，入力画像に本手法で抽出した画素粒度の原因情報を適用することで，物体の存在する位置の予測や正解クラスの分類確率が向上する画像に修正可能である．これは逆説的に，本手法で抽出した，物体を正しく検出できない/検出精度が劣化する原因の情報が適切であることを示す． |
| 抄録(英) | In this paper, we propose a method for analyzing the causes of incorrect detection / poor accuracy when detecting objects using Deep Learning. The authors have previously proposed a method for visualizing the cause of misrecognition in object recognition where one recognition object exists in an image. This time, we extended this method to object detection (YOLOv3) which predicts the existence position and classification probability of multiple objects. This method can extract and visualize causes of incorrect detection / poor accuracy, at pixel granularity. And, by applying the extracted information to the image in which the object cannot be correctly detected, it can be corrected to the image in which prediction of the position where the object exists and classification probability of correct class are improved. Thereby, the extracted information can correctly indicate the causes of incorrect detection / poor accuracy. |
| キーワード(和) | 物体検出 / 畳み込みニューラルネットワーク / 推論 / 誤検出 / 可視化 / 説明可能なAI |
| キーワード(英) | object detection / convolutional neural network / inference / misdetection / visualizing / XAI |
| 資料番号 | AI2019-30 |
| 発行日 | 2019-11-21 (AI) |
| 研究会情報 | |
| 研究会 | AI |
|---|---|
| 開催期間 | 2019/11/28(から1日開催) |
| 開催地（和） | 九州大学 伊都キャンパス |
| 開催地（英） | |
| テーマ（和） | 「コンテキストを意識した知識の利用」および一般 |
| テーマ（英） | |
| 委員長氏名（和） | 福田 直樹(静岡大) |
| 委員長氏名（英） | Naoki Fukuta(Shizuoka Univ.) |
| 副委員長氏名（和） | 清 雄一(電通大) / 櫻井 祐子(産総研) |
| 副委員長氏名（英） | Yuichi Sei(Univ. of Electro-Comm.) / Yuko Sakurai(AIST) |
| 幹事氏名（和） | 福井 健一(阪大) / 藤田 桂英(東京農工大) |
| 幹事氏名（英） | Kenichi Fukui(Osaka Univ.) / Katsuhide Fujita(Tokyo Univ. of Agriculture and Technology) |
| 幹事補佐氏名（和） | |
| 幹事補佐氏名（英） | |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Artificial Intelligence and Knowledge-Based Processing |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | ディープラーニングによる物体検出において正しく検出できない原因を解析する手法の提案 |
| サブタイトル（和） | |
| タイトル（英） | A proposal of a method for analyzing causes of incorrect detection when detecting objects using Deep Learning |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 物体検出 / object detection |
| キーワード(2)（和/英） | 畳み込みニューラルネットワーク / convolutional neural network |
| キーワード(3)（和/英） | 推論 / inference |
| キーワード(4)（和/英） | 誤検出 / misdetection |
| キーワード(5)（和/英） | 可視化 / visualizing |
| キーワード(6)（和/英） | 説明可能なAI / XAI |
| 第 1 著者 氏名（和/英） | 久保田 智規 / Tomonori Kubota |
| 第 1 著者 所属（和/英） | 富士通研究所(略称：富士通研) Fujitsu Laboratories LTD.(略称：Fujitsu Lab.) |
| 第 2 著者 氏名（和/英） | 中尾 鷹詔 / Takanori Nakao |
| 第 2 著者 所属（和/英） | 富士通研究所(略称：富士通研) Fujitsu Laboratories LTD.(略称：Fujitsu Lab.) |
| 第 3 著者 氏名（和/英） | 吉田 英司 / Eiji Yoshida |
| 第 3 著者 所属（和/英） | 富士通研究所(略称：富士通研) Fujitsu Laboratories LTD.(略称：Fujitsu Lab.) |
| 発表年月日 | 2019-11-28 |
| 資料番号 | AI2019-30 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | AI-317 |
| ページ範囲 | pp.1-6(AI), |
| ページ数 | 6 |
| 発行日 | 2019-11-21 (AI) |