【論文要約:自動運転関連】A lightweight YOLOv5-FFM model for occlusion pedestrian detection
自動車のADAS(先進運転支援システム)および自動運転に関わる仕事をしています。
その中で新しい技術が次から次に出てきてるため、最新情報を収集するのが重要となっています。
そういったことから自動運転に関する論文の紹介、要約をしています。
興味のある論文に関しては、実際の論文を読んでいただければと思います。
論文へのリンク：https://arxiv.org/abs/2408.06633
1. タイトル
原題: A lightweight YOLOv5-FFM model for occlusion pedestrian detection
和訳: 軽量YOLOv5-FFMモデルによる遮蔽歩行者検出
2. 著者名
Xiangjie Luo
Bo Shao
Zhihao Cai
Yingxun Wang
3. 公開年月日
2024年8月13日
4. キーワード
Pedestrian detection (歩行者検出)
Lightweight (軽量)
YOLOv5 (YOLOv5)
Feature fusion module (特徴融合モジュール)
5. 要旨
YOLOv5は効率的な一段階のターゲット検出方法として広く使用されていますが、遮蔽された歩行者の検出に課題があります。本研究では、YOLOv5のフレームワークを改良し、GhostモジュールとSEブロックを導入した軽量モデルを提案します。また、局所特徴融合モジュール（FFM）を設計し、遮蔽問題に対処します。実験では、提案モデルが元のYOLOv5sモデルに比べ、平均精度（AP）が大幅に向上し、パラメータ数が27.9％、FLOPsが19.0％削減されたことを示します。
6. 研究の目的
YOLOv5モデルの軽量化と精度向上を図り、特に遮蔽された歩行者の検出性能を向上させること。
7. 論文の結論
提案した軽量YOLOv5-FFMモデルは、元のYOLOv5sモデルに比べ、遮蔽された歩行者に対する検出精度が向上し、計算リソースも削減されている。
8. 論文の主要なポイント
SEブロックとGhostモジュールの導入:
SEブロックにより、ネットワークはグローバル情報を学習し、各チャネルに重みを付与。
Ghostモジュールは、従来の畳み込み演算を減らし、軽量化を実現。
特徴融合モジュール（FFM）の設計:
歩行者の頭部と脚部の特徴を融合し、遮蔽問題に対処。
実験結果:
CitypersonsとCUHK Occlusionデータセットでの実験により、提案モデルの優位性を確認。
9. 実験データ
Citypersonsデータセット: 市街地で撮影された画像で、歩行者のアノテーションが含まれる。
CUHK Occlusionデータセット: 歩行者の一部が遮蔽されている画像が含まれる。
10. 実験方法
ネットワークの改良:
YOLOv5のバックボーンにSEブロックを追加し、グローバル情報の利用を向上。
ネックネットワークの一部の畳み込みをGhostモジュールに置き換え、軽量化。
損失関数の改善:
WIoU損失関数を採用し、極端なサンプルによるペナルティを軽減。
特徴融合モジュールの設計:
歩行者の頭部と脚部の特徴を融合し、全体の予測ボックスを再構成。
11. 実験結果
Citypersonsデータセット:
提案モデルは元のYOLOv5sモデルに比べ、APが5.6%向上。
パラメータ数が27.9％、FLOPsが19.0％削減。
CUHK Occlusionデータセット:
ほとんどのシナリオで提案モデルがAPの向上を示し、一部のシナリオではYOLOv5xモデルを上回る性能。
12. 研究の新規性
特徴融合モジュール（FFM）を設計し、遮蔽問題に対処。
モデルの軽量化と精度向上を同時に達成。
13. 結論から活かせる内容
自動運転や監視システムにおける歩行者検出の精度向上と計算リソースの効率化に寄与。
モバイルおよび組み込みデバイスでのリアルタイム歩行者検出への応用が期待される。
14. 今後期待できる展開
提案モデルのさらなる軽量化と精度向上。
他の物体検出タスクへの応用と実験。
リアルタイムシステムへの統合と実地検証。
この記事が気に入ったらサポートをしてみませんか？