東大、画像から特定の物体を検出するAIを作る際に手作業でのラベル付け（アノテーション作業）を省略するアルゴリズムを開発

発表日:2021年06月01日

人間が教えなくても果実を検出できるAIができた

～GANを利用した自動アノテーションと果実検出モデルの構築～

1.発表者:

郭 威（東京大学大学院農学生命科学研究科附属生態調和農学機構 助教）

Zhang Wenli（北京工業大学 情報学部 教授）

Shi Yun（中国農業科学院 中国農業科学院農業資源与農業区画研究所 教授）

2.発表のポイント:

◆ 画像から特定の物体を検出するAI（注1）を作る際に、最大のボトルネックである手作業でのラベル付け（アノテーション作業・注2）を省略するアルゴリズムを開発した。

◆ 本手法を使って、アノテーション作業なしで、ミカン果樹園やトマト温室の写真から高精度に果実を検出するAIが構築できた。

◆ 多大な労力が必要となるアノテーション作業が不要となり、スマート農業技術の中核となる物体検出AI技術が加速的に発展することが期待される。

3.発表概要:

東京大学大学院農学生命科学研究科附属生態調和農学機構の郭威助教らは、中国農業科学院、北京工業大学と共同で、アノテーション作業がなくても果実検出AIモデルの作成が可能となるアルゴリズムを提案した。

果実の検出と計数は、園芸のスマート化にとって不可欠な作業であり、深層学習（注3）に基づく果実の自動検出技術の近年の発展はめざましい。しかし、これまでの深層学習に基づく果実検出モデルの多くは、完全な教師あり学習（注4）に基づいて生成されているため、特定の対象（果物や品種など。以下、ドメインと呼ぶ）で学習したモデルを他のドメインに利用することはできない。そのため、常に新しいドメインに対して、時間と労力を要するアノテーション作業を行って教師データを再作成する必要があった。つまり、果物ごとに、人間が大量の画像にラベル付けをしてAIに学習させる必要があった。

そこで本論文では、あるドメインで学習した既存のモデルを、新たなアノテーションをせずに新しいドメイン用に、検出精度を落とすことなく変換できるモデル汎化法を提案した。本手法を利用すれば、異なる作物種、異なる品種など、従来教師データ再構築が必要だった場合でも、アノテーション作業無しで果実検出モデルの作成が可能となるなど、AIを活用したスマート農業技術の実用化を加速することが期待できる。

※以下は添付リリースを参照

リリース本文中の「関連資料」は、こちらのURLからご覧ください。

添付リリース

https://release.nikkei.co.jp/attach/611385/01_202105311729.pdf