YOLO-FFRD:機能融合と再拡散構造に基づくダイナミック小規模歩行者検出アルゴリズム
Shuqin Li1, Rui Wang2, Suyu Wang3
1School of Communication Engineering, Wuhan University of Technology, Wuhan 430070, China.
Sensors (Basel, Switzerland)
|August 28, 2025
まとめ
この研究では 複雑な環境で歩行者などの 小さく動的な標的を検知する 新しいアルゴリズムを導入しました この改良された方法は検出の精度を向上させ ロボットの知覚能力を向上させ ターゲットを見逃すのを減らすことができます
科学分野:
- ロボット
- コンピュータ・ビジョン
- 人工知能
背景:
- 複雑な環境で小さな動的なターゲット (例えば歩行者) を検出することは,モバイルロボットにとって挑戦的です.
- 従来のディープラーニングのオブジェクト検出方法は 移動ロボットにおける小さなターゲットと 闘っています
- 深部カメラのデータは 移動ロボットが小さな標的を特定し回避するのに役立ちます
研究 の 目的:
- モバイルロボットプラットフォームの ダイナミックな小標的検出アルゴリズムを開発する.
- モバイルロボティクスにおける環境認識の改善のためのオブジェクト認識を強化する.
- ダイナミックな小さな標的を検出する既存のアルゴリズムの限界を解決する.
主な方法:
- 小規模標的検出のための機能融合と再拡散構造を統合する新しいアルゴリズムを提案した.
- モバイルロボットのプラットフォームに合わせた 強化されたオブジェクト認識アルゴリズムを適用しました
- VisDrone2019のデータセットでマルチクラス検出を含む様々な環境でのテストとアブレーション研究を実施しました.
主要な成果:
- 提案された方法は,元のYOLOv8アルゴリズムと比較して5%の精度向上を示した.
- mAP0. 5とmAP0. 5から0. 95の約3%の増加を達成しました.
- 誤った検出率を大幅に低減し,一般化能力を示した.
結論:
- 機能融合と再放送ベースのアルゴリズムは,モバイルロボットの小さなターゲット検出を強化します.
- このアルゴリズムは,多クラス検出に適した強力な性能と汎用性を示しています.
- この進歩は 移動ロボットの環境認識と安全性の改善に 極めて重要です
