東京大学の郭威助教らの研究グループは、ある品種に対して学習させたAIモデルを別の品種向けに検出精度を落とすことなく変換できる「モデル汎化法」を開発した。
この記事は会員限定です。会員登録(無料)すると全てご覧いただけます。
東京大学大学院農学生命科学研究科付属生態調和農学機構の助教を務める郭威氏らの研究グループは2021年6月1日、教師データを作るための手作業によるラベル付け(アノテーション)を不要とする手法を開発したと発表した。既存の画像検出AI(人工知能)モデルを別の検出対象に流用する際に、自動的にアノテーション作業を実施する。
研究グループによると「園芸分野でのAIの活用が進んでおり、果実の検出と計数に向けて深層学習を活用した自動検出技術などが利用されている。だが、こうした技術は『正解となる画像を基にした学習』(教師あり学習)を利用しているため、品種が変わると学習をやり直す必要があった」という。
アノテーション作業は一つ一つの画像にラベルを付ける必要があるため、時間と労力がかかる。この作業の負担を減らすために、「能動学習」を用いた「弱教師あり学習」や合成データを用いた学習といった手法はあるが、検出精度が実用レベルに満たないなどの課題があった。
Copyright © ITmedia, Inc. All Rights Reserved.