要約
本稿では、空中画像における車両の検出とカウントを目的とした、シンプルかつ効果的な単一ショット検出モデルを提案する。提案モデルは、ヒートマップ学習型畳み込みニューラルネットワーク（Heatmap Learner Convolutional Neural Network, HLCNN）と呼ばれ、対象となる車両インスタンスのヒートマップを予測する。対象車両のヒートマップを学習するために、従来の全結合層の代わりに、3層の畳み込み層を追加した適応層を導入し、CNNアーキテクチャを改良した。本モデルでは、バックボーンとしてVGG-16を採用している。提案手法は、車両の数を正確に推定するとともに、対象車両の中心位置を高精度で検出できることが確認された。PUCPR+およびCARPKの2つの異なる車両データセットを用いた実験により、既存手法と比較して、計数および局所化性能において最先端の結果を達成した。また、データ拡張およびバッチ正規化が提案手法の性能に与える影響についても実験的に検証を行った。コードとデータは、以下のリンクから公開される予定である：[https://www.github.com/ekilic/Heatmap-Learner-CNN-for-Object-Counting]。