近年、画像認識AIの市場の拡大に伴い、より高精度なAIモデルの作成が重要となっている。しかし、一般的に高精度なAIモデルを作成するためには膨大な教師ありデータが必要であり、画像へのアノテーションコストが問題となる。そこで、アノテーションがない画像のみを用いて、特徴量抽出器を学習する自己教師あり学習で解決できないかと近年注目を集めている。そのため本研究では、コネクティッドカーやスマートシティへの貢献を視野に入れ、それらのユースケースでよく使われる物体検知タスクにおいて、自己教師あり学習を用いて高精度なAIモデルを作成することを目的とした。しかし、現状の自己教師あり学習手法は物体と背景の識別が難しい画像での学習が上手く出来ず、十分な精度が得られていないという問題がある。その原因が自己教師あり学習で用いられている教師なし物体検知の精度の低さに起因していると考え、解決策として教師なし物体検知結果のフィードバックをモデルに与えるという手法を提案した。提案手法での実験の結果、教師なし物体検知部分の精度が向上し、より高精度な物体検知モデルを作成できる可能性を示した。
