要約
無人航空機（UAV）を用いた深層学習ベースの物体検出器の訓練に必要なデータを収集することは、費用がかかり、時間がかかり、また特定の環境では法的に禁止される場合もある。一方で、合成データは迅速かつ低コストで入手できる。本研究では、さまざまな応用環境においてUAVからの物体検出に合成データを活用する可能性を検討する。そのために、オープンソースフレームワーク「DeepGTAV」をUAVシナリオに対応するように拡張した。複数のドメインにおいて大規模かつ高解像度の合成データセットを収集し、複数のモデルにおけるさまざまな学習戦略を分析することで、これらのデータが現実世界のUAVからの物体検出にどのように活用できるかを示した。さらに、データ生成およびサンプリングに用いる複数のパラメータについて検証し、今後の科学的研究における実用的な工学的アドバイスを提供した。DeepGTAVフレームワークは、https://git.io/Jyf5j にて公開されている。