文献

J-GLOBAL ID：202302229161058405   整理番号：23A0406556

深層学習に基づく小物体検出の精度向上に関する一検討

Accuracy Improvement of Small Object Detection Based on Deep Learning

著者 (2件)： 森岡隼也 (明治大 大学院理工学研究科) ,  宮本龍介 (明治大 理工)
資料名： 電子情報通信学会技術研究報告(Web)  (IEICE Technical Report (Web))
巻： 122  号： 293(SIS2022 23-39)  ページ： 32-37 (WEB ONLY)  発行年： 2022年11月28日 
JST資料番号： U2030A  ISSN： 2432-6380  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 深層学習に基づく物体検出には様々な手法が提案されているが,小物体の検出には精度向上の余地が多分に残されている.本稿では,深層学習に基づく物体検出の根本に立ち返り,その精度向上にはどのような処理が重要であるかの検討を行う.まず,汎用データセットのPascalVOC,COCO datasetと小物体に特化したBird,SAVMAP,VisDrone datasetの比較を行ない,小物体検出では矩形の比較指標であるIoUが非常に小さい値になってしまうことを確認した.深層学習モデルであるRetinaNet,EfficientDet,YOLOv5を用いた実験では,小物体検出には解像度やAnchor Box,CNNの層の深さ,周辺情報の利用が重要な要素であり,特にAnchor Boxが検出精度に大きな影響を及ぼしていることが示された.また,複数のモデルによる実験から,小物体検出に重要な情報はCNNの入力に近い浅い層に存在し,ネットワーク層が深くなるにつれて情報が消失してしまうことが明らかになった.物体矩形の拡大や入力解像度の向上で,周辺情報の利用と低いIoUの影響を低減させ,ネットワーク層を浅くすることによって情報消失を防止し,精度向上を達成した.(著者抄録)

シソーラス用語： *機械学習 ,  *検出 ,  *改良 ,  集合 ,  層 ,  通信系モデル ,  ニューラルネットワーク ,  分解能 ,  データセット ,  ネットワーク層 ,  *深層学習 ,  *物体検出
準シソーラス用語： CNN ,  解像度 ,  *高精度化

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

引用文献 (18件)：

• R. Girshick, J. Donahue, T. Darrell, and J. Malik, “Rich feature hierarchies for accurate object detection and semantic segmentation,” Proc. IEEE Conf. on Computer Vision and Pattern Recognition, pp.580-587, 2014.
• G. Jocher, A. Chaurasia, A. Stoken, J. Borovec, NanoCode012, Y. Kwon, TaoXie, K. Michael, J. Fang, imyhxy, Lorna, C. Wong, Z. Yifu, A. V, D. Montes, Z. Wang, C. Fati, J. Nadar, Laughing, UnglvKitDe, tkianai, yxNONG, P. Skalski, A. Hogan, M. Strobel, M. Jain, L. Mammana, and xylieong, “ultralytics/yolov5: v6.2 - YOLOv5 Classification Models, Apple M1, Reproducibility, ClearML and Deci.ai integrations,” Aug. 2022. https://doi.org/10.5281/zenodo.7002879
• M. Everingham, S.M.A. Eslami, L. Van Gool, C.K.I. Williams, J. Winn, and A. Zisserman, “The pascal visual object classes challenge:A retrospective,” International Journal of Computer Vision, vol.111, no.1, pp.98-136, 2015.
• T.-Y. Lin, M. Maire, S. Belongie, J. Hays, P. Perona, D. Ramanan, P. Dollár, and C.L. Zitnick, “Microsoft coco: Common objects in context,” Proc. European Conference on Computer Vision, pp.740-755, 2014.
• W. Liu, D. Anguelov, D. Erhan, C. Szegedy, S. Reed, C.-Y. Fu, and A.C. Berg, “Ssd: Single shot multibox detector,” Proc. European Conference on Computer Vision, pp.21-37, 2016.

タイトルに関連する用語 (3件)： 深層学習 ,  物体検出 ,  精度向上