19. 標識認識
German Traffic Sign Recognition Benchmarkで人を上回る性能
Multi-Column Deep Neural Network for Traffic Sign Classification,IJCNN2011
METHODS ACCURACY
Multi-Column Deep Neural Network 99.46%
Human Performance 98.84%
Multi-Scale CNN 98.31%
Random Forest 96.14%
LDA on HOG 95.68%
0.71
0.17
0.03
0.09
0.89
0.03
0.01
0.07
0.85
0.09
0.02
0.04
複数のCNNを利用して精度向上
学習の手間:大
メモリサイズ:大
処理時間:大
19
20. 標識認識
一つのネットワークを仮想的に複数のネットワークにする
Ensemble Median Inference
Fukui, Pedestrian Detection Based on Deep Convolutional Neural Network with Ensemble Inference Network, IV2015
METHODS ACCURACY
Multi-Column Deep Neural Network 99.46%
Human Performance 98.84%
Multi-Scale CNN 98.31%
Random Forest 96.14%
LDA on HOG 95.68%
0.71
0.17
0.03
0.09
20
21. 標識認識
METHODS ACCURACY
Random Droput+Dn’MI 99.22%
Multi-Column Deep Neural Network 99.46%
Human Performance 98.84%
Multi-Scale CNN 98.31%
Random Forest 96.14%
LDA on HOG 95.68%
0.89
0.03
0.01
0.07
0.71
0.17
0.03
0.09
0.85
0.09
0.02
0.04
複数ネットワーク利用時と同等性能
学習の手間:小
メモリサイズ:小
処理時間:中
一つのネットワークを仮想的に複数のネットワークにする
Ensemble Median Inference
STEP1:全結合層のネットワークを複数生成
STEP2:各クラスの確率を累積する
Fukui, Pedestrian Detection Based on Deep Convolutional Neural Network with Ensemble Inference Network, IV2015 21