YOLO-Drone：高高度からの視点による空中リアルタイムな密集小物体検出

無人航空機（UAV）は、リモートセンシングを搭載したドローンとして、コンピュータビジョン分野における主要な研究テーマの一つとして急速に応用範囲を広げている。UAVリモートセンシングシステムは多様な物体を検出可能であるものの、物体のサイズや画像劣化、リアルタイム処理の制約といった要因により、小規模な物体の信頼性ある検出は依然として困難である。このような課題に対処するため、本研究ではリアルタイム物体検出アルゴリズム「YOLO-Drone」を提案し、2つの新規UAVプラットフォームおよび特定の光源（シリコン基板型ゴールデンLED）に適用した。YOLO-Droneの主な革新点は以下の通りである：1）新規バックボーンとしてDarknet59を採用；2）空間ピラミッドプーリング（Spatial Pyramid Pooling）と3つのアトラス空間ピラミッドプーリング（Atrous Spatial Pyramid Pooling）モジュールを統合した複合特徴集約モジュールMSPP-FPNの導入；3）損失関数として一般化交差和（Generalized Intersection over Union: GIoU）の採用。性能評価には、UAVDTとVisDroneという2つのベンチマークデータセットに加え、シリコン基板型ゴールデンLEDを用いた夜間環境で自作したデータセットを用いた。実験結果によると、UAVDTおよびVisDroneの両データセットにおいて、提案手法は最先端（SOTA）の物体検出手法を上回り、それぞれmAPを10.13%、8.59%向上した。特にUAVDTにおいては、53FPSという高いリアルタイム推論速度と最大mAP 34.04%を達成した。また、シリコン基板型ゴールデンLED環境下でも高い性能を発揮し、mAPが最大87.71%に達し、従来の光源条件下におけるYOLOシリーズの性能を上回った。結論として、本研究で提案するYOLO-Droneは、特にシリコン基板型ゴールデンLED技術が顕著な優位性を発揮する夜間検出タスクを含むUAVにおける物体検出に、極めて効果的な解決策である。