FFAVOD：Video Object Detection ための特徴融合アーキテクチャ

動画の連続するフレームの間に大きな冗長性が存在する。一般的な物体検出器は、一度に1枚の画像に対して検出を行うのみであり、この冗長性を活用する機能を備えていない。一方、スマート交通システム、先進運転支援システム、および動画監視など、多くの物体検出の応用は動画を扱っている。本研究では、動画フレーム間の類似性を活用して、より優れた検出結果を実現することを目指す。そこで、動画物体検出用の特徴量統合アーキテクチャ（Feature Fusion Architecture for Video Object Detection, FFAVOD）を提案する。まず、近接するフレーム間で特徴マップを共有できる新たな動画物体検出アーキテクチャを導入する。次に、特徴マップを効果的に統合・強化するための特徴量統合モジュールを提案する。提案アーキテクチャと統合モジュールを用いることで、移動する道路利用者を含む2つの物体検出ベンチマークにおいて、3つのベースライン物体検出器の性能が向上することを実証した。さらに性能向上を図るため、SpotNetの注目モジュールに対する改善を提案する。改善されたSpotNet検出器に本アーキテクチャを適用した結果、UA-DETRAC公開ベンチマークおよびUAVDTデータセットにおいて、現在の最先端（state-of-the-art）の性能を達成した。コードは以下のURLから公開されている：https://github.com/hu64/FFAVOD。