ヒヤリハット類似地点判定におけるファインチューニングとスクラッチ学習の比較評価

抄録

本研究では、ヒヤリハット発生地点に類似した特徴を含む環境か否かを判定する画像 2 値分類タスクを対象とし、ImageNet 事前学習モデルを用いた fine-tuning モデルとスクラッチ学習モデルの比較を行った。ドライブレコーダ由来のデータには人や車などの動的要因が含まれるため、環境構造に基づく判定を目的としてスクラッチ学習を検討した。実験の結果、データの類似性が高い条件下ではスクラッチ学習は過学習の影響を受けやすく、ドラレコデータを用いた評価では ROC-AUC において fine-tuning モデルが一貫して高い性能を示した。今後はヒヤリハット発生場面そのものではなく、通常走行データを用いた評価を行っていく。