前回は自動運転において深層学習(ディープラーニング)が求められる理由や、最新の深層学習技術が自動運転でどのように活用されていくかなどについて、画像認識の観点から考察した。今回は、深層学習技術のベースとなる「ディープ・ニューラル・ネット(DNN)」を取り上げる。(本誌)

 二次元画像から特定の物体を検出するには、研究者が対象となる物体の特徴を研究し、その特徴を抽出するために開発された様々なアルゴリズムを用いて、対象となる物体を検出するのが一般的だった注1)

注1)従来の方式はルールベースと呼ばれる。例えばカメラの画像から、「身長や頭の大きさが基準以上」「足が2本あるか」などの条件を決めて、歩行者かどうかを判定していた。

 これに対して、ディープ・ニューラル・ネット(DNN)を使った物体検出では、ニューラルネットそのものが学習データによって鍛え上げられ、検出を行う上で重要な特徴の組み合わせを習得する。従来の手法では検出が難しかった場面でも、高い正解率を達成できる。例えばクルマの向こう側にいて一部しか見えていない歩行者などの検出も可能である。

この先は有料会員の登録が必要です。「日経Automotive」定期購読者もログインしてお読みいただけます。今なら有料会員(月額プラン)が12月末まで無料!

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