| 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 | 2024-01-26 10:42 多種類の畳み込みモジュールを組み合わせたYOLOv7-tinyによる物体検出モデルの軽量化の検討 ○李 越東・久保田 彰（中大）  PRMU2023-45 |
|
| 抄録 | （和） | 深層学習に基づく画像上の物体検出技術は盛んに研究が行われている．近年ではモバイル端末などの小型デバイスに向けた軽量で高速なエッジAIも注目されている．代表的な手法であるYOLOシリーズは高検出速度で従来手法を上回る精度を記録したが，計算コストは高く，高性能なGPU を必要とする．これに対してより軽量なモデルであるYOLO-tiny などは，GPUを用いずともリアルタイムな検出を可能とするが，一般的な深層学習モデルと比較して精度は劣るという課題がある．本研究では新たな目標検出手法として，YOLOv7-tinyの精度を維持したまま高速に検出を行うYOLOv7-tiny-lightを提案する．本手法は，YOLOv7-tinyネットワークを軽量化した畳み込みモジュール Ghost畳み込み，Partial畳み込み，Depthwise畳み込みモジュールを用いることで計算量を大幅に削減する．また，精度を維持するために，Attention機構を追加し，従来の活性化関数をFReLUに変更する．実験では，Pascal VOCデータセットを用いて検出精度，パラメータ量，重みファイルの大きさなどの側面から評価を行い，従来手法に対して優位性を示した．また，検出結果の可視化によって検出精度の向上を視覚的に確認した． |
| （英） | Deep learning-based object detection techniques on images have been actively studied. Recently, lightweight and fast-edge AI for small devices such as mobile terminals has also attracted attention. The YOLO series has achieved faster detection speed and higher accuracy than conventional methods, but they are computationally expensive and require a high-performance GPU. In contrast, lighter models such as YOLO-tiny enable real-time detection without a GPU but are less accurate than general deep learning models. In this study, we propose a new target detection method, YOLOv7-tiny-light, which improves detection speed while maintaining accuracy in YOLOv7-tiny. Our proposed model significantly reduces computational complexity by modifying the convolution modules of YOLOv7-tiny to lightweight Ghost convolution, Partial convolution, and Depthwise convolution modules. In addition, the Attention mechanism was added to maintain accuracy, and the conventional activation function was changed to FReLU. In experiments, we evaluated the detection accuracy, the number of parameters, and the size of the weight file using the Pascal VOC dataset and showed its superiority over the conventional method. In addition, visualization of the detection results visually confirmed the improvement in detection accuracy. | |
| キーワード | （和） | 深層学習 / YOLOv7-tiny / 軽量化 / Attention機構 / FReLU活性化関数 / Ghost畳み込み / Depthwise畳み込み / Partial畳み込み |
| （英） | Deep learning / YOLOv7-tiny / Lightweight model / Attention mechanism / FReLU / Ghost convolution / Depthwise convolution / Partial convolution | |
| 文献情報 | 信学技報, vol. 123, no. 358, PRMU2023-45, pp. 32-37, 2024年1月. | |
| 資料番号 | PRMU2023-45 | |
| 発行日 | 2024-01-18 (PRMU) | |
| 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 | PRMU2023-45 |
|
| 研究会情報 | |
| 研究会 | PRMU MVE VRSJ-SIG-MR IPSJ-CVIM |
| 開催期間 | 2024-01-25 - 2024-01-26 |
| 開催地（和） | 慶應義塾大学 日吉キャンパス(来往舎) |
| 開催地（英） | Keio Univ. (Hiyoshi Campus) |
| テーマ（和） | メタバースと深層学習 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | PRMU |
| 会議コード | 2024-01-PRMU-MVE-SIG-MR-CVIM |
| 本文の言語 | 日本語 |
| タイトル（和） | 多種類の畳み込みモジュールを組み合わせたYOLOv7-tinyによる物体検出モデルの軽量化の検討 |
| サブタイトル（和） | |
| タイトル（英） | Investigation of lightweight methods for object recognition models of YOLOv7-tiny using a combination of various kinds of convolution modules |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 深層学習 / Deep learning |
| キーワード(2)（和/英） | YOLOv7-tiny / YOLOv7-tiny |
| キーワード(3)（和/英） | 軽量化 / Lightweight model |
| キーワード(4)（和/英） | Attention機構 / Attention mechanism |
| キーワード(5)（和/英） | FReLU活性化関数 / FReLU |
| キーワード(6)（和/英） | Ghost畳み込み / Ghost convolution |
| キーワード(7)（和/英） | Depthwise畳み込み / Depthwise convolution |
| キーワード(8)（和/英） | Partial畳み込み / Partial convolution |
| 第1著者 氏名（和/英/ヨミ） | 李 越東 / Yuedong Li / リ エツトウ |
| 第1著者 所属（和/英） | 中央大学 (略称： 中大) Chuo University (略称： Chuo Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 久保田 彰 / Akira Kubota / クボタ アキラ |
| 第2著者 所属（和/英） | 中央大学 (略称： 中大) Chuo University (略称： Chuo Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-01-26 10:42:00 |
| 発表時間 | 12分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2023-45 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | no.358 |
| ページ範囲 | pp.32-37 |
| ページ数 | 6 |
| 発行日 | 2024-01-18 (PRMU) |
[研究会発表申込システムのトップページに戻る]