学部2年 青木君が研究内容を情報処理学会 第82回UBI研究会で発表しました。
研究概要:本研究では,一般物体検出とCNNおよびLSTMを組み合わせることで,物体の特徴や数に着目した新しいモデルを提案する.近年,GPSに依存しない画像ベースの自己位置推定において,深層学習ベースの様々な手法が数多く研究されている.一方,従来の手法は物体単位での特徴が適切に考慮されておらず,同様の物体が多く写る室内環境に適していないことが課題が挙げられた.そこで,本手法では一般物体検出のYOLOv8でクロップした検出物体に対し,CNNで特徴抽出を行い,さらにLSTMによって 1 つの特徴量に統合することで,複数個の物体特徴を考慮した位置推定を実現する.大学内の研究室データセットを使用した実験により,提案手法は同じ層数を持つ全体画像を入力としたCNNモデルと比較して,14.4%高い精度を達成することが明らかになった.この結果より,屋内の位置推定において,物体特徴に着目した手法を探求することの有望な可能性を示した.