軽量YOLOv11nとFaceNetに基づくトンネル車両再識別モデル

科学分野:

• コンピュータビジョン
• 人工知能
• 監視システム

背景:

• トンネル車両の再識別（Re-ID）は、低解像度画像、照明の変動、オクルージョンによって妨げられます。
• 既存のアルゴリズムは、これらの複雑なトンネル環境の課題に対処するのに苦労しており、有効性が制限されています。

研究 の 目的:

• トンネル内車両監視のための新しいインテリジェントフレームワークを開発すること。
• 軽量で効率的なモデルを使用して、車両検出とRe-ID機能を強化すること。

主な方法:

• 軽量車両検出のためにYOLOv11nを統合しました。
• MobileNetV3でバックボーンを置き換え、Coordinate Attentionモジュールを追加して、Re-IDのためにFaceNetを最適化しました。
• IoUベースのハードトリプレットマイニングとCenter Lossを組み合わせた共同損失関数を使用しました。
• 12,000枚の画像を含むトンネル固有のデータセットを作成し、データ拡張を適用しました。

主要な成果:

• YOLOv11nは242fpsで98.63%のmAPを達成しました。
• 改良されたRe-IDモデルは、25.43fps（0.81 GFLOPs、3.51Mパラメータ）で94.18%の精度に達しました。
• 要素別解析により、コンポーネントの有効性が確認され、AUCが2.44%向上しました。

結論:

• 提案されたフレームワークは、リアルタイムのトンネル車両監視のための堅牢なソリューションを提供します。
• このシステムは、低解像度画像や照明の変動などの課題に効果的に対処します。
• 潜在的な拡張機能には、マルチモーダル融合やトンネル間転移学習が含まれます。