大規模かつ複雑なリアルな安全衣類およびヘルメット検出：データセットと手法

建設作業員の安全を確保するためには、作業服およびヘルメットの検出が極めて重要である。しかし、この分野におけるディープラーニングモデルの開発は、高品質なデータセットの不足によって大きく制限されてきた。本研究では、大規模かつ複雑で現実的な作業服・ヘルメット検出（SFCHD: Safety Clothing and Helmet Detection）データセットを構築した。SFCHDは2つの実際の化学プラントから収集されたもので、合計12,373枚の画像、7つのカテゴリ、50,552件のアノテーションを含む。本データセットを学習用とテスト用に4:1の比率で分割し、複数の代表的な物体検出アルゴリズムを適用することで、その有効性を検証した。さらに、空間的・チャネル的アテンション機構に着想を得て、空間的・チャネル的アテンションに基づく低照度強調（SCALE: Spatial and Channel Attention-based Low-light Enhancement）モジュールを設計した。SCALEはプラグアンドプレイ型であり、高い柔軟性を備えている。ExDarkおよびSFCHDデータセットにおける広範な評価により、低照度条件下での検出器性能の向上においてSCALEモジュールの有効性が実証された。本データセットおよびコードは、https://github.com/lijfrank-open/SFCHD-SCALE にて公開されている。