RUTILEA

CASE STUDY: 自動車メーカー

ルールベースアルゴリズムにおけるパラメータに対して、自動で最適化を行うシステムを提供

Theme

Solution

Result

多くのアルゴリズムにおいて、その性能はパラメータの値に大きく依存します。パラメータにはカテゴリーパラメータ(例えば二値化なら単純な閾値による処理か大津の二値化かを選択するもの)と数値パラメータ(例えば二値化なら0~255の範囲内の具体的な閾値)が存在し、アルゴリズムの複雑さにもよりますがその組み合わせは莫大な数に及びます。
実際、Halconによって実装された画像処理アルゴリズム内において, 組み合わせにすると40桁を超えるパターンが存在するパラメータの探索がマニュアルで行われていました。また、パラメータを変更して実行・出力された画像を目視で確認し、良し悪しが判断されていました。

ルールベースアルゴリズムに伴う課題

ルールベースアルゴリズムには、次の3つの課題がありました。

  • アルゴリズムにおけるパラメータの良し悪しが出力画像の目視によって判断せざるおえなかった。
  • 実行に数分を要するプログラムが完了するごとにチェック、実行の必要があった。
  • マニュアルによるパラメータの探索は非効率かつ網羅的でない。

弊社アルゴリズムによってパラメーターを自動で発見

PythonによるHalconプログラムの呼び出しと画像処理アルゴリズムにおける損失関数による評価、Optunaによるパラメータの最適化によって、画像処理アルゴリズムの性能向上を実現しました。Halconによって実装された画像処理プログラムをPythonから呼び出し、出力画像から損失関数を計算します。そして、Optunaを用いてパラメータの最適化を行います。結果として、40桁を超えるパターンが存在するパラメータの効率的に探索し、以前よりよい出力をもたらすパラメータを自動で見つけることに成功しました。