パナソニックHD、AIモデル学習時のデータ構築コストを削減する技術を開発
近年、AIは公共施設や自動車などさまざまな現場で実装が進み、くらしやしごとの安心安全を支えています。画像から人や自動車などを高精度に検出するAIモデルの開発においては大量の学習データが必要ですが、一度開発したAIモデルを撮影機材や時刻・天候等の条件が異なる現場や環境に適用する場合、その都度大量の学習データの撮影・取得とアノテーション（画像内の人、自動車などのラベル付け）を実施する必要があります。そのため、開発したAIを環境の異なる多様な現場に展開するには、データ構築に要する時間とコストが大きいという課題から、データ構築コストを削減する技術の需要が高まっています。
今回開発した少数のラベル付きデータに対するドメイン適応技術（※2）は、環境が大きく異なる現場に対しても、従来法と比較し圧倒的に少ない学習データでAIモデルの他現場展開を実現します。
本技術については、パナソニックグループの幅広い事業、ソリューションへの適用を目指し、多様な現場データでの実証実験を進めており、特に難易度の高い、RGB画像をソースドメイン、遠赤外線画像をターゲットドメインとした物体検出において、本手法の有効性が示されました。
※1 公開データセットを用いた少量データにおけるドメイン適応において、OCDCとOCDCDLを利用しない従来手法に比べ、本手法が半数のデータで同等性能であることを確認（2023年5月23日現在、パナソニックHD調べ）
※2 十分な教師ラベルを持つデータ集合（ある環境のデータの集まりをドメインと呼ぶ）から得られた知識を、十分な情報が無い別の環境で取得されたデータ集合（ターゲットドメイン）の学習に適用することで、ターゲットドメインにおいて高精度な認識モデルを学習する方法。
全文は以下プレスリリースをご覧ください。
▼[プレスリリース]パナソニックHD、AIモデル学習時のデータ構築コストを削減する技術を開発（2023年5月23日）
https://news.panasonic.com/jp/press/jn230523-1
＜関連情報＞
・Panasonic×AI WEBサイト
https://tech-ai.panasonic.com/jp/
・Panasonic×AI twitter
https://twitter.com/panasonic_ai/
すべての画像
