2020年技術論文

【要旨】

視線が広範囲に分散しやすい複雑な風景を検出して運転支援などに利用することで、視認負荷による交通事故リスクの低減が期待できる。そこで本研究では、人間の視覚的注意を定量化する顕著性マップを特徴量として用い、視線分布の大きさに応じて高精度に画像を分類する手法を提案する。顕著性マップの推定には、解像度の劣化を抑えたエンコーダ・デコーダ構造のCNNを、3つの損失関数で最適化して用いる。さらに顕著性マップに加え、エンコーダ出力も特徴量として用いてクラス分類構造のCNNを転移学習することで、効果的に分類精度を向上できる。SALICONデータセットを用いて評価環境の構築と分類実験を行い、提案手法の有効性を確認した。