デンソーは、深層学習を適用したニューラルネットワーク(DNN:Deep Neural Network)による画像認識に力を入れている。DNNの適用により、人や自動車のみならず、信号や道路などを含む運転シーン全体を認識できる技術を開発中だ(図1)。画像の画素ごとに、どのクラスのオブジェクトに属しているのかをラベリングする「セマンティックセグメンテーション」が可能になる。

図1 カメラと深層学習で運転シーン全体を認識
デンソーは、センサーごとに得手・不得手があるので、安全性の向上や自動運転にはセンサーフュージョンが必要とみる(a)。カメラの場合、車両や歩行者などを識別しやすい特徴がある。加えて、画像認識技術の改善も図っている。その方策として開発に力を入れているのが、ディープラーニング(深層学習)を適用したニューラルネットワーク(DNN)である。DNNにより、運転シーン全体を認識できるようになり、自動運転時に求められる「走行するためのフリースペースの認識」や「歩行者や自動車の動き予測」などを実現しやすくなる。(図:デンソーの資料を基に作成)
[画像のクリックで拡大表示]

 自動車分野では、自動運転に向けたセンシング技術の開発が盛んである。ただし、センサーごとに得手・不得手が存在するために、1種類のセンサーだけでなく、複数種類のセンサーを組み合わせる、いわゆる「センサーフュージョン」により完全自動運転を目指す方向が主流になっている。車載センサーとしてカメラが得意とするのは、車両や歩行者などの対象物の識別である。そこで、その識別をより人間の認識に近づけるのが同社の研究である。

この先は有料会員の登録が必要です。有料会員(月額プラン)は初月無料!

日経 xTECHには有料記事(有料会員向けまたは定期購読者向け)、無料記事(登録会員向け)、フリー記事(誰でも閲覧可能)があります。有料記事でも、登録会員向け配信期間は登録会員への登録が必要な場合があります。有料会員と登録会員に関するFAQはこちら