人工知能学会

本研究はデータ融合技術を応用し、少ないデータ量でより優れたモデル結果を得ることを目的とする。特に本稿では道路画像データと視線計測データを統合し、交通分野に特化したカスタムデータセットを構築した。このデータセットは、YOLO v5およびv8モデルに適用され、多機能かつ汎用的なデータ融合アーキテクチャを作成し、現在の物体検出モデルのデータ要件を減らすことを目指している。この方法によって、特に計算リソースと時間が限られているリアルタイムアプリケーションにおいて、モデルの最終的な精度と処理速度の向上が期待される。また、データ処理パイプラインを最適化することで、融合データはよりコンパクトだけでなく、物体検出タスクにとってもより関連性が高く、多くの情報が出力されることが期待される。このデータ融合戦略は、データ効率と高精度のバランスをとる拡張可能なソリューションを提供することができると考えられる。