| 講演名 | 2019-12-20 高精細映像における連続フレームを用いた効率的なブロック分割物体検出手法 穂積 和貴(会津大), 富岡 洋一(会津大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 近年，監視カメラや車載カメラシステムなどの分野で，Single Shot MultiBox Detector (SSD) などの，ウィンドウスキャンを必要としない深層学習に基づく効率的な物体検出手法が注目されている．これらの手法はメモリ使用量と計算量が多く，実行時間の制約やGPUまたはFPGAのメモリ容量の制約から高精細映像を複数ブロックに分割して推論処理を行う必要がある．しかし，分割によりブロック分割境界付近に存在する物体の検出精度が低下する問題がある．オーバラップブロックを用いることで精度低下を緩和できるが，ブロック数が増加するため，1フレーム当たりの処理時間が増加してしまう．そこで本稿では，連続フレームで異なる位置でブロック分割を行い，その結果を統合することで，高精細画像に対するブロック分割物体検出の処理時間を削減する手法を提案する．実験では，Multiple Object Tracking Benchmark 2017データセット (MOT) の3つのデータを使用して，物体検出精度を評価し，精度の劣化が4.5%以下で1フレーム当たりのブロック数を55.6%に削減できた． |
| 抄録(英) | In recent years, in the fields such as surveillance cameras and in-vehicle camera systems, efficient deep-learning-based object detection methods, such as Single Shot MultiBox Detector (SSD), that do not require window scanning have received a significant attention. However, these methods require a lot of memory and computation. For this reason, when we apply them to higher definition video, it can be necessary to divide the video into multiple blocks for inference processing due to restrictions on memory capacity of GPUs or FPGAs. However, the detection accuracy of objects near the block division boundary can be low. Although we can use overlap blocks to reduce the effects of block boundary, it increases the number of blocks and execution time. In this paper, we propose a method for reducing the execution time per frame, which assigns a different pattern to each fame and integrates the results of object detection from multiple frames. In the experiments, the object detection accuracy was evaluated using three data from the Multiple Object Tracking Benchmark dataset 2017. We reduced the number of blocks per frames to 55.6% while the accuracy denegeration is within 4.5%. |
| キーワード(和) | 畳み込みニューラルネットワーク / 深層学習 / 物体検出 / Single Shot Multibox Detector |
| キーワード(英) | Convolutional neural network / Deep learning / Object detection / Single Shot Multibox Detector Detector |
| 資料番号 | PRMU2019-57 |
| 発行日 | 2019-12-12 (PRMU) |
| 研究会情報 | |
| 研究会 | PRMU |
|---|---|
| 開催期間 | 2019/12/19(から2日開催) |
| 開催地（和） | 大分大学 |
| 開催地（英） | |
| テーマ（和） | アート・グラフィクス・コンテンツ制作・教育への応用 |
| テーマ（英） | |
| 委員長氏名（和） | 佐藤 洋一(東大) |
| 委員長氏名（英） | Yoichi Sato(Univ. of Tokyo) |
| 副委員長氏名（和） | 玉木 徹(広島大) / 木村 昭悟(NTT) |
| 副委員長氏名（英） | Toru Tamaki(Hiroshima Univ.) / Akisato Kimura(NTT) |
| 幹事氏名（和） | 入江 豪(NTT) / 牛久 祥孝(オムロンサイニックエックス) |
| 幹事氏名（英） | Go Irie(NTT) / Yoshitaka Ushiku(OMRON SINICX) |
| 幹事補佐氏名（和） | 内田 祐介(DeNA) / 山下 隆義(中部大) |
| 幹事補佐氏名（英） | Yusuke Uchida(DeNA) / Takayoshi Yamashita(Chubu Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Pattern Recognition and Media Understanding |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 高精細映像における連続フレームを用いた効率的なブロック分割物体検出手法 |
| サブタイトル（和） | |
| タイトル（英） | An Efficient Block-wise Object Detection Method using Consecutive Frames for High Resolution Video |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 畳み込みニューラルネットワーク / Convolutional neural network |
| キーワード(2)（和/英） | 深層学習 / Deep learning |
| キーワード(3)（和/英） | 物体検出 / Object detection |
| キーワード(4)（和/英） | Single Shot Multibox Detector / Single Shot Multibox Detector Detector |
| 第 1 著者 氏名（和/英） | 穂積 和貴 / Kazuki Hozumi |
| 第 1 著者 所属（和/英） | 会津大学(略称：会津大) University of Aizu(略称：UoA) |
| 第 2 著者 氏名（和/英） | 富岡 洋一 / Yoichi Tomioka |
| 第 2 著者 所属（和/英） | 会津大学(略称：会津大) University of Aizu(略称：UoA) |
| 発表年月日 | 2019-12-20 |
| 資料番号 | PRMU2019-57 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | PRMU-347 |
| ページ範囲 | pp.69-74(PRMU), |
| ページ数 | 6 |
| 発行日 | 2019-12-12 (PRMU) |