LASFNet: マルチモーダル物体検出のための軽量アテンションガイド自己変調特徴融合ネットワーク

科学分野:

• コンピュータビジョン
• ディープラーニング
• 機械学習

背景:

• マルチモーダル物体検出には、効果的なディープ特徴抽出が必要です。
• 以前の方法では、複雑な融合戦略により高い計算オーバーヘッドが生じていました。

研究 の 目的:

• 効率的で正確なマルチモーダル物体検出のための軽量ネットワークを提案すること。
• 融合ユニットの数を減らすことで、トレーニングプロセスを簡素化すること。

主な方法:

• 軽量アテンションガイド自己変調特徴融合ネットワーク（LASFNet）を導入しました。
• アテンションガイド自己変調特徴融合（ASFF）モジュールを備えた単一の特徴レベル融合ユニットを採用しました。
• 特徴の焦点を強化するために、特徴アテンション変換モジュール（FATM）を統合しました。

主要な成果:

• LASFNetは、効率と精度のトレードオフにおいて有利な結果を達成しています。
• 最先端の方法と比較して、パラメータ数を最大90%、計算コストを85%削減しました。
• 平均精度（mAP）を1%-3%向上させました。

結論:

• LASFNetは、マルチモーダル物体検出のための計算効率の高いソリューションを提供します。
• 提案されたネットワーク設計により、複雑さを低減しながら高性能な検出が可能になります。
• このアプローチは、効率と精度の両方において大幅な改善を示しています。