COSOS-1k: 閉鎖空間における多視点動画物体検出のためのベンチマークデータセットとオクルージョン認識型不確実性学習

科学分野:

• コンピュータビジョン
• 労働安全衛生
• 機械学習

背景:

• 閉鎖空間は、その閉鎖的な性質により、作業者にとって重大なリスクをもたらします。
• 閉鎖空間運用安全（COSOS）の評価は重要ですが、混雑した環境と小さな機器によって課題が生じます。
• 既存の研究には、COSOSタスク専用のデータセットが不足しています。

研究 の 目的:

• 現実世界のCOSOSシナリオに特化した最初のデータセットであるCOSOS-1kを導入すること。
• 閉鎖空間の安全評価におけるオクルージョンの課題に対処すること。
• オクルージョンの下での物体検出と属性認識を改善するための新しい手法を提案すること。

主な方法:

• 多視点ビデオ、10種類の安全機器、6つの作業者属性、詳細な注釈を備えたCOSOS-1kデータセットの構築。
• 部分レベルのオクルージョン予測のためのオクルージョン認識型不確実性推定（OUE）の開発。
• 時間的および視点ベースのオクルージョンを処理するためのクロスフレームクラスタ（CFC）およびクロスビュークラスタ（CVC）アテンションメカニズムの導入。

主要な成果:

• COSOS-1kデータセットは、閉鎖空間の安全に関する多様で表現力豊かな研究を可能にします。
• 提案されたOUE、CFC、およびCVC法は、オクルージョンの問題を効果的に軽減します。
• 実験により、新しい手法の有効性が検証され、データセットの重要性が強調されます。

結論:

• COSOS-1kデータセットと提案された手法は、閉鎖空間運用安全の研究を大幅に進歩させます。
• 複雑な環境での正確な安全機器認識には、オクルージョンへの対処が不可欠です。
• データセットの多様性と表現力は、労働安全のための堅牢なコンピュータビジョンモデルの開発の鍵となります。