Upload
others
View
1
Download
0
Embed Size (px)
Citation preview
AIエッジコンテスト 結果
コンテスト概要
Car, Pedestrian, Truck, Bicycle, Signal, Signs
オブジェクト検出部門
セグメンテーション部門
Car Pedestrian
x1
y1
Car
bounding box
y2
x2
Signal Lane
(学習用)約2万枚(評価用)約6千枚
(学習用)約2千枚(評価用)約6百枚
矩形タグ画像 サンプル(場所)市街地
タグ 69住宅地
トンネル高速
交差点はタグ数が極めて多い
矩形タグ画像 サンプル(時間帯)
朝
昼
夜
夜は見え方が大きく異なる
走行ルート
埼玉ルート東京ルート学習渋谷~
環状2号トンネル
学習浅草~首都高トンネル
評価環状2号トンネル
~浅草
評価首都高トンネル~羽田空港
多様な景色を網羅
ラベルの分布
歩行者・車両の頻度が高い
応募結果
参加 : 931 人
応募 : 197 チーム
応募回数 : 2497 件
社会人 3 : 1 学生
国内 3 : 1 海外
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
1 10 100 1000
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
1 10 100
スコアの全体傾向
スコアの分布
オブジェクト検出部門 セグメンテーション部門
0 0.2 0.4 0.6 0.80 0.2 0.4 0.6 0.8上位
高精度
トップスコア
=0.745
投稿回数とスコアの関係
61位ベンチマークスコア(チュートリアル)
= 0.291
トップスコア
=0.728
61位ベンチマークスコア(チュートリアル)
= 0.423
条件別精度
時間帯「夜」や、識別対象「歩行者」は精度が低い
オブジェクト検出部門 セグメンテーション部門
時間帯 時間帯
朝 昼 夜 朝 昼 夜
0.809 0.764 0.671 0.760 0.706 0.707
識別対象 識別対象
Car Truck Pedestrian Bicycle Signal Signs Car Pedestrian Signal Lane
0.894 0.813 0.536 0.623 0.632 0.785 0.802 0.532 0.450 0.929
ルート ルート
東京 埼玉 東京 埼玉
0.734 0.782 0.719 0.826
矩形面積と精度の関係性
サイズが小さいと精度は低下
モデリング手法総括
■ソフトウェア
9割以上がpython
■データの利用
提供外データ(BDD100K)
他部門データ(オブジェクト検出⇔セグメンテーション)
■モデリング
9割以上が深層学習
Faster R-CNN、deeplab v3 が多い
■アイデア賞
エッジコンピューティングの観点で考察・工夫