注意機構化受容野適応深度畳み込みに基づく低照度物体検出

科学分野:

• コンピュータビジョン
• 人工知能
• 画像処理

背景:

• 物体検出モデルは低照度環境で苦戦し、パフォーマンスが低下します。
• 既存の方法では、低照度条件での画像品質の回復や特徴の強調が不十分な場合があります。

研究 の 目的:

• 低照度シナリオでのパフォーマンス向上のための注意機構化物体検出モデルを開発すること。
• より正確な検出のために、画像品質を向上させ、ターゲット特徴を強調すること。

主な方法:

• 画像強調モジュール（Zero-DiDCE++）と改良型YOLOv9ネットワークを統合した新しいフレームワーク、ZRF-YOLOv9を提案しました。
• 特徴表現を洗練するために、特徴自己注意（FSA）および疎受容野適応深度畳み込み（SRDConv）モジュールを導入しました。
• さまざまな照明条件下での特徴抽出を改善するために、適応型深度ワイズ畳み込みを採用しました。

主要な成果:

• ExDark、Dark Face、Tiny-Personデータセットで低照度検出精度が向上しました。
• それぞれのデータセットでmAP$_{50}$で1.1%、2.0%、0.5%の精度向上が実証されました。
• このモデルは、低照度シーンでの画像視認性とターゲット特徴検出を効果的に強化します。

結論:

• ZRF-YOLOv9モデルは、低照度条件での物体検出に大きな進歩をもたらします。
• 画像強調と注意機構化モジュールの統合は、検出精度の向上に効果的であることが証明されています。
• このアプローチは、薄暗い照明下での信頼性の高い物体検出を必要とする実世界のアプリケーションに堅牢なソリューションを提供します。