要約
魚眼レンズを搭載した大視野（FoV）カメラの応用は、自動運転を含む多様な実世界におけるコンピュータビジョン応用において顕著な利点をもたらしている。従来のパースペクティブ画像を用いたコンピュータビジョン分野では、深層学習が著しく成功を収めてきたが、魚眼カメラ画像における深層学習の可能性は、完全教師あり学習に必要なデータセットが限られているため、依然としてほとんど解明されていない。このような課題に対応するため、半教師あり学習が有望な解決策として注目されている。本研究では、パースペクティブ画像領域で広く用いられている2つの代表的な半教師あり学習手法を、魚眼画像セグメンテーションの観点から検討・ベンチマークした。さらに、擬似ラベルフィルタリング、動的信頼度閾値設定、耐障害性の高い強化手法の3つの半教師あり学習コンポーネントを備えた新規な魚眼画像セグメンテーションフレームワーク「FishSegSSL」を提案する。車載魚眼カメラにより収集されたWoodScapeデータセットを用いた評価により、同等のラベル付きデータ量を用いた完全教師あり学習手法と比較して、本手法がモデル性能を最大10.49%向上させることを実証した。また、既存の画像セグメンテーション手法に対する性能向上も2.34%に達した。本研究は、魚眼画像における半教師ありセマンティックセグメンテーションに関する初めての試みであると認識している。さらに、各提案手法の有効性を明確にするため、包括的なアブレーションスタディおよび感度分析を実施した。