お知らせ 2023年度・2024年度 学生員 会費割引キャンペーン実施中です
お知らせ 技術研究報告と和文論文誌Cの同時投稿施策(掲載料1割引き)について
お知らせ 電子情報通信学会における研究会開催について
お知らせ NEW 参加費の返金について
電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
[ログイン]
技報アーカイブ
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2022-12-05 15:40
深層学習に基づく小物体検出の精度向上に関する一検討
森岡隼也宮本龍介明大SIS2022-29
抄録 (和) 深層学習に基づく物体検出には様々な手法が提案されているが,小物体の検出には精度向上の余地が多分に残されている.本稿では,深層学習に基づく物体検出の根本に立ち返り,その精度向上にはどのような処理が重要であるかの検討を行う.まず,汎用データセットのPascalVOC, COCO datasetと小物体に特化したBird, SAVMAP, VisDrone datasetの比較を行ない,小物体検出では矩形の比較指標であるIoUが非常に小さい値になってしまうことを確認した.深層学習モデルであるRetinaNet, EfficientDet, YOLOv5を用いた実験では,小物体検出には解像度やAnchor Box,CNNの層の深さ,周辺情報の利用が重要な要素であり,特にAnchor Boxが検出精度に大きな影響を及ぼしていることが示された.また,複数のモデルによる実験から,小物体検出に重要な情報はCNNの入力に近い浅い層に存在し,ネットワーク層が深くなるにつれて情報が消失してしまうことが明らかになった.物体矩形の拡大や入力解像度の向上で,周辺情報の利用と低いIoUの影響を低減させ,ネットワーク層を浅くすることによって情報消失を防止し,精度向上を達成した. 
(英) Various methods based on deep learning have been proposed for object detection, but there is still much room for improving the accuracy of small object detection. In this paper, we revisit the fundamentals of visual object detection based on deep learning and discuss how to improve its accuracy. Comparison of the Bird, SAVMAP, and VisDrone dataset dedicated to small object detection with the generic PascalVOC and COCO datasets indicates that the IoU corresponding to intersection of a ground truth and a detection result is very low for small object detection. Moreover, experimental results using RetinaNet, EfficientDet, and YOLOv5 showed that the input size, anchor box, depth of model layers, and surrounding context of target objects were important factors for small object detection. In addition, it is also shown that the accuracy of small object detection depends on the anchor box more than generic object detection, shallow layer close to the detector input contains significant information for small object detection, and the significant information maybe lost as the layers of the model layers become deeper. Experimental results showed that detection accuracy was improved by the following options: enlarging bounding boxes, using higher resolution input, and network architecture with shallower layers.
キーワード (和) 物体検出 / 小物体検出 / 深層学習 / / / / /  
(英) Object Detection / Small Object Detection / Deep Learning / / / / /  
文献情報 信学技報, vol. 122, no. 293, SIS2022-29, pp. 32-37, 2022年12月.
資料番号 SIS2022-29 
発行日 2022-11-28 (SIS) 
ISSN Online edition: ISSN 2432-6380
著作権に
ついて
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034)
PDFダウンロード SIS2022-29

研究会情報
研究会 SIS  
開催期間 2022-12-05 - 2022-12-06 
開催地(和) 関西大学 
開催地(英)  
テーマ(和) スマートパーソナルシステム,一般 
テーマ(英)  
講演論文情報の詳細
申込み研究会 SIS 
会議コード 2022-12-SIS 
本文の言語 日本語 
タイトル(和) 深層学習に基づく小物体検出の精度向上に関する一検討 
サブタイトル(和)  
タイトル(英) Accuracy Improvement of Small Object Detection Based on Deep Learning 
サブタイトル(英)  
キーワード(1)(和/英) 物体検出 / Object Detection  
キーワード(2)(和/英) 小物体検出 / Small Object Detection  
キーワード(3)(和/英) 深層学習 / Deep Learning  
キーワード(4)(和/英) /  
キーワード(5)(和/英) /  
キーワード(6)(和/英) /  
キーワード(7)(和/英) /  
キーワード(8)(和/英) /  
第1著者 氏名(和/英/ヨミ) 森岡 隼也 / Junya Morioka / モリオカ ジュンヤ
第1著者 所属(和/英) 明治大学 (略称: 明大)
Meiji University (略称: Meiji Univ.)
第2著者 氏名(和/英/ヨミ) 宮本 龍介 / Ryusuke Miyamoto / ミヤモト リュウスケ
第2著者 所属(和/英) 明治大学 (略称: 明大)
Meiji University (略称: Meiji Univ.)
第3著者 氏名(和/英/ヨミ) / /
第3著者 所属(和/英) (略称: )
(略称: )
第4著者 氏名(和/英/ヨミ) / /
第4著者 所属(和/英) (略称: )
(略称: )
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者 第1著者 
発表日時 2022-12-05 15:40:00 
発表時間 20分 
申込先研究会 SIS 
資料番号 SIS2022-29 
巻番号(vol) vol.122 
号番号(no) no.293 
ページ範囲 pp.32-37 
ページ数
発行日 2022-11-28 (SIS) 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会