17日前

ストリーミング感知におけるリアルタイムオブジェクト検出

Jinrong Yang, Songtao Liu, Zeming Li, Xiaoping Li, Jian Sun
ストリーミング感知におけるリアルタイムオブジェクト検出
要約

自動運転には、環境を感知し、安全を確保するための低遅延で(再)反応する能力が求められる。従来の研究では、処理後に必然的に生じる環境の変化を無視していたが、ストリーミング認識(streaming perception)が提唱され、動画のオンライン認識において遅延と精度を統合した単一の指標として評価する手法が導入された。本論文では、過去の研究が精度と速度のトレードオフを探るのではなく、リアルタイムモデルに未来を予測する能力を付与することがこの問題に対処する鍵であると指摘する。我々は、効果的かつシンプルなストリーミング認識フレームワークを構築した。このフレームワークは、動的フローと静的フローを備えた新規なDualFlow Perceptionモジュール(DFP)を搭載しており、動的な動きの傾向と静的検出特徴を同時に捉えることで、ストリーミング予測を実現する。さらに、物体の移動速度に応じた適応的な重みを生成するために、トレンド要因を組み込んだTrend-Aware Loss(TAL)を導入した。本手法は、Argoverse-HDデータセットにおいて競争力ある性能を達成し、強力なベースラインと比較してAP(Average Precision)を4.9%向上させ、その有効性を実証した。コードは https://github.com/yancie-yjr/StreamYOLO にて公開予定である。

ストリーミング感知におけるリアルタイムオブジェクト検出 | 最新論文 | HyperAI超神経