要約
交通標識の自動検出と認識は、交通標識台帳管理において重要な役割を果たします。これにより、人的労力を最小限に抑えながら、正確かつ迅速な交通標識台帳管理が可能になります。コンピュータビジョン分野では、交通標識の認識と検出に関する研究が盛んに行われています。既存の大多数の手法は、先進運転支援システムや自律走行システムに必要な交通標識（約50種類）に対して良好な性能を示しています。しかし、これはすべての交通標識の中でも比較的少ない数であり、残りの大半の交通標識（数百種類中）に対する性能は依然として未解決の問題です。本論文では、交通標識台帳管理を自動化するのに適した多数の交通標識カテゴリーの検出と認識について取り組んでいます。我々はマスクR-CNNという畳み込みニューラルネットワーク（CNN）アプローチを採用し、検出から認識までの全工程を自動的に端末間で学習する方法で対応しています。また、いくつかの改善点を提案し、それらを評価することで全体的な性能向上につなげています。この手法は、我々が新規に作成したデータセットに含まれる200種類の交通標識カテゴリーの検出に適用されています。結果はこれまで考慮されていなかった非常に困難な交通標識カテゴリーについて報告されており、提案手法による誤差率は3%未満となっています。これは実際の交通標識台帳管理アプリケーションへの展開に十分な精度であることを示しています。深層学習手法による大規模な同一カテゴリー内での外観変動を持つ交通標識検出に関する包括的な分析を行い、提案手法によって3%未満の誤差率を達成できることを示しました。この精度は実際の交通標識台帳管理アプリケーションへの展開に十分であると言えます。