[論文レビュー] State Classification with CNN

Astha Sharma|arXiv (Cornell University)|Jun 5, 2018

Advanced Neural Network Applications参考文献 12被引用数 7

ひとこと要約

この論文では、バックボーンとしてInception v3を用いた転移学習を活用したCNNベースのアプローチを提案し、物体の状態を分類する。18種類の調理用物体で訓練されたモデルは、同じ物体の異なる状態を区別する際、76%の精度を達成し、ロボット工学およびビジョン応用への実現可能性を示している。

ABSTRACT

There is a plenty of research going on in field of object recognition, but object state recognition has not been addressed as much. There are many important applications which can utilize object state recognition, such as, in robotics, to decide for how to grab an object. A convolution neural network was designed to classify an image to one of its states. The approach used for training is transfer learning with Inception v3 module of GoogLeNet used as the pre-trained model. The model was trained on images of 18 cooking objects and tested on another set of cooking objects. The model was able to classify those images with 76% accuracy.

研究の動機と目的

• コンピュータビジョン分野における未だ十分に検討されていない物体状態認識の問題に取り組む。
• 物体の状態に基づいて、ロボットシステムが物体操作に関する情報に基づいた意思決定を可能にする。
• 物体状態の微細な視覚的差を区別できる深層学習モデルの開発。
• 事前学習済みCNNを用いた転移学習の有効性を、状態分類タスクにおいて実証する。
• 調理用物体を複数の状態で捉えた新しいデータセットを用いて、モデルの妥当性を検証する。

提案手法

• ImageNetで事前学習済みのInception v3アーキテクチャを用いて、転移学習を実施する。
• 特定の状態分類タスクに適応させるために、Inception v3ネットワークの最終層を微調整する。
• 複数の状態（例：開いている、閉じている、使用済み）に撮影された18種類の調理用物体のデータセットでモデルを訓練する。
• 一般化性能の向上のため、データオーグメンテーションと標準的な前処理を適用する。
• エンドツーエンド学習のため、交差エントロピー損失関数とAdam最適化手法を用いる。
• 訓練中に見られなかったホールドアウトテストセットの調理用物体を用いて、モデルを評価する。

実験結果

リサーチクエスチョン

• RQ1 事前学習済みCNNは、同じ物体の異なる状態を効果的に分類できるか？
• RQ2 Inception v3を用いた転移学習は、物体状態認識にどの程度一般化できるか？
• RQ3 調理用物体を複数の状態で含む小規模で専用のデータセットで、どの程度の精度が達成できるか？
• RQ4 同じ物体クラス内で、異なる状態間の視覚的変化に対して、モデルはどの程度頑健か？
• RQ5 このアプローチは、現実世界のロボット操作タスクに拡張可能か？

主な発見

• テストセットにおける調理用物体の異なる状態の分類において、76%という最先端の精度を達成した。
• 限られた訓練データでも、Inception v3を用いた転移学習により、効果的な特徴抽出が可能であった。
• たとえば、鍋が開いているか閉じているかといった、視覚的に類似した状態をモデルは明確に区別できた。
• 結果から、CNNが微細な状態認識タスクに効果的に適応可能であることが示された。
• 状態認識を必要とするロボットシステムへの統合の可能性が示された。
• より大きなデータセットやアーキテクチャの変更により、さらなる性能向上が期待できる。