[論文レビュー] ContamiNet: Detecting Contamination in Municipal Solid Waste

Khoury Ibrahim, Danielle A. Savage+3 more|arXiv (Cornell University)|Nov 11, 2019

Advanced Neural Network Applications参考文献 9被引用数 4

ひとこと要約

ContamiNet は、Recology が収集した 30,000 枚以上の未加工画像を用いて、住宅用リサイクルおよび堆肥化ボックス内の汚染を検出する畳み込みニューラルネットワーク（CNN）である。1,000 回以上発生するラベルで訓練した場合、AUC 0.86 を達成し、人間の専門家（平均 AUC 0.88）にほぼ匹敵する性能を示し、都市ごみ管理におけるリアルタイムの汚染検出および住民への教育支援の強力な可能性を示している。

ABSTRACT

Leveraging over 30,000 images each with up to 89 labels collected by Recology---an integrated resource recovery company with both residential and commercial trash, recycling and composting services---the authors develop ContamiNet, a convolutional neural network, to identify contaminating material in residential recycling and compost bins. When training the model on a subset of labels that meet a minimum frequency threshold, ContamiNet preforms almost as well human experts in detecting contamination (0.86 versus 0.88 AUC). Recology is actively piloting ContamiNet in their daily municipal solid waste (MSW) collection to identify contaminants in recycling and compost bins to subsequently inform and educate customers about best sorting practices.

研究の動機と目的

• 画像認識を用いて、住宅用リサイクルおよび堆肥化ボックス内の汚染を自動で検出するシステムを開発すること。
• 汚染されたリサイクル素材に及ぼされる環境的・経済的負担を、汚染の原因を特定することで低減すること。
• 画像に基づく汚染検出を活用した住民への的を射た教育支援を通じて、持続可能なごみ管理を支援すること。
• 人間の専門家と比較して、深層学習モデルの汚染検出性能を評価すること。
• ラベル頻度がモデル性能に与える影響を調査し、最適な訓練閾値を同定すること。

提案手法

• Recology が収集した 30,780 枚の未加工画像を用いて畳み込みニューラルネットワーク（CNN）を訓練する。各画像には最大 89 個のラベルが付与されている。
• 希少ラベルを除去するために、ラベル頻度の閾値（100、300、1,000）を適用し、モデルの汎化性能と性能を向上させる。
• 受信者操作特性曲線下の面積（AUC）を用いてモデルを評価し、テストデータの 10,000 回のブートストラップ再サンプリングにより 95% 信頼区間を算出する。
• 訓練データには、住宅用リサイクルボックスおよび堆肥化ボックスからの画像が含まれており、食物くず、プラスチック袋、汚染された紙など、さまざまな汚染タイプのラベルが含まれる。
• 都市ごみ収集現場への実装を想定し、住民に汚染を通知するフィードバックシステムへの統合を想定したモデル設計である。
• 今後の改善策として、汚染物の局所化を目的としたバウンディングボックスの使用や、標準化された撮影プロトコルを用いたデータ収集の強化を検討する。

実験結果

リサーチクエスチョン

• RQ1 深層学習モデルは、人間の専門家と同等の性能で、住宅用リサイクルおよび堆肥化ボックス内の汚染を検出できるか？
• RQ2 訓練データにおけるラベル頻度が、汚染検出モデルの性能に与える影響は何か？
• RQ3 モデルの正確性とデータ保持率の両立を考慮した場合、最適な最小頻度閾値は何か？
• RQ4 未加工で現実世界の画像を用いて訓練された CNN は、人間の専門家と統計的に差がない AUC スコアを達成できるか？
• RQ5 複数回の評価ラウンドにわたり、モデルの性能は個々の人間専門家と比較してどうなるか？

主な発見

• 1,000 回以上発生するラベルで訓練した場合、ContamiNet は AUC 0.86 を達成し、人間専門家の平均 AUC 0.882 にほぼ匹敵する。
• ラベル頻度閾値が 1,000 の場合、訓練データの 89% が保持され、モデルの汎化性能が確保される。
• ContamiNet の AUC は、専門家 1 と統計的に差がなく、専門家 3 よりも顕著に優れている。専門家 2 と 4 のみがわずかに上回っている。
• 有毒電池やペットの廃棄物など、十分な訓練例が得られない希少ラベルを除外することで、モデル性能が顕著に向上する。
• ContamiNet の AUC の 95% 信頼区間は [0.854, 0.871] であり、人間専門家の平均の信頼区間 [0.875, 0.890] と重複している。
• 本研究では、深層学習モデルが都市ごみ収集から得た現実的で未加工の画像データを用いて、専門家にほぼ匹敵する性能を達成できることを示している。