要約
交通システムの基本要素である交通標識は、ドライバー、歩行者などに対して道路状況に関する重要な情報を提供することで、事故のリスクを低減する役割を果たしている。近年、コンピュータビジョンおよび人工知能技術の急速な進展に伴い、交通標識認識システムは先進運転支援システム（ADAS）や自動運転システムへの応用が進んでおり、ドライバーや自律走行車が道路の重要な情報を正確に把握する手助けをしている。しかし実際の応用現場では、小型交通標識の認識は依然として大きな課題である。本稿では、最新のオブジェクト検出フレームワークYOLOv4およびYOLOv5を参考に、小型交通標識の認識に特化した効率的な手法「Traffic-Signs Recognition Small-Aware」を提案する。本研究の主な貢献は以下の4点である：（1）モデルのバックボーンにおいて、高レベル特徴を導入することでより優れた検出ヘッドの構築を実現；（2）モデルのネック部では、特徴マップの文脈情報を効果的に捉えるために「受容野ブロッククロス（Receptive Field Blockcross）」を採用；（3）モデルのヘッド部では、検出ヘッドのグリッド構造を精緻化し、小型交通標識の検出精度を向上；（4）入力処理として、「Random Erasing-Attention」と呼ばれる新たなデータ拡張手法を提案し、難易度の高いサンプルを増加させ、モデルのロバスト性を強化。挑戦的なデータセットTT100K上での実験結果から、本手法は既存の最先端技術と比較して顕著な性能向上を達成することが示された。さらに、本手法はリアルタイム処理が可能であり、先進運転支援システムおよび自動運転システムにおける広範な応用可能性を示している。