小さな物体の検出

小型物体検出は、さまざまな技術を使用してデジタル画像やビデオ内の小型物体を検出する特殊な物体検出のケースです。「小型物体」とは、入力画像内のピクセル フットプリントが小さい物体のことです。航空写真などの分野では、小型物体のために最先端の物体検出技術が十分に機能しません。

小型物体検出は、ビデオ監視（交通ビデオ監視）、^{[1] [2]} 小型物体検索、^{[3] [4]} 異常検出、^[5] 海上監視、ドローン調査、交通流解析、^[6]物体追跡など、さまざまな分野に応用されています。

• You Only Look Once ^{[7] [8] [9] [10] [11] [12] [13]}などの現代の物体検出アルゴリズムは、特徴を学習するために畳み込み層を多用します。物体が畳み込み層を通過すると、そのサイズは縮小します。そのため、小さな物体は数層後には消えてしまい、検出できなくなります。
• 時には、物体の影が物体自体の一部として検出されることがあります。^[14]そのため、境界ボックスの配置は物体ではなく影を中心にする傾向があります。車両検出の場合、歩行者や二輪車の検出にこの影響が出ます。
• 現在、ドローンは航空写真撮影に広く使用されています。^{[15]ドローンには、飛行中に特定の安定した位置を維持するのに役立つハードウェア（}センサー）とソフトウェア（アルゴリズム）が搭載されています。風の強い状況では、ドローンは自動的に位置を維持するために細かい動きをし、境界付近の視界が変わります。画像の境界付近に新しい物体が現れる可能性もあります。全体として、これらは分類、検出、そして最終的には追跡精度に影響を与えます。

小さな物体を検出するには様々な方法^[16]があり、それらは3つのカテゴリーに分類されます。

既存の技術では小さな物体を検出する方法が様々あります。そのいくつかを以下に示します。

機械学習モデルの出力は、「どれだけよく訓練されているか」に依存します。^[17]そのため、データセットには小さなオブジェクトが含まれていなければなりません。また、YOLOなどの現代の検出器はアンカーに依存しています。YOLOの最新バージョン（YOLOv5 ^[18]以降）は、自動アンカーアルゴリズムを使用して、データセット内のオブジェクトのサイズの性質に基づいて適切なアンカーを見つけます。したがって、データセットには小さなオブジェクトを含めることが必須です。

ディープラーニングモデルには数十億のニューロンがあり、トレーニング後に一定の重みに落ち着きます。そのため、より良いトレーニングには十分な量の定量的および定性的なデータが必要です。^[19] データ拡張は、既存のデータセットから より多様なデータを生成するための有用な技術です^{[17] 。}

これらは、オブジェクトからより多くの特徴を取得し、最終的にそれらから最適なものを学習するのに役立ちます。たとえば、1280 x 1280解像度の画像の自転車オブジェクトには、640 x 640 解像度のものよりも多くの特徴があります。

アンカーサイズの選択は、小さな物体の検出において重要な役割を果たします。^[20]手で選択するのではなく、データセットに基づいてアンカーサイズを識別するアルゴリズムを使用します。YOLOv5はK平均アルゴリズムを使用してアンカーサイズを定義します。

最先端の物体検出器は、固定サイズの画像のみを許可し、それに応じて入力画像のサイズを変更します。この変更により、画像内の小さな物体が変形する可能性があります。タイリングアプローチ^[21]は、画像の解像度がモデルの固定入力サイズよりも高い場合に役立ちます。画像を縮小する代わりに、画像をタイルに分割してからトレーニングに使用します。同じアプローチが推論時にも使用されます。

特徴ピラミッドネットワーク^[22]を使用して、マルチスケールで特徴を学習します。例：ツイン特徴ピラミッドネットワーク（TFPN）^[23] 、拡張特徴ピラミッドネットワーク（EFPN）。^[24] FPNは、畳み込み層に対して小さなオブジェクトの特徴を維持するのに役立ちます。

既存の方法を変更する代わりに、いくつかのアドオン技術があり、それらを既存のアプローチの上に直接配置して、より小さなオブジェクトを検出できます。そのような技術の1つが、Slicing Aided Hyper Inference（SAHI）です。^[25]画像は、異なるサイズの複数の重なり合うパッチにスライスされます。ハイパーパラメータがそれらの寸法を定義します。次に、微調整中にアスペクト比を維持しながらパッチのサイズを変更します。これらのパッチは、モデルのトレーニング用に提供されます。

このような物体検出の問題に焦点を当てたさまざまなディープラーニング技術が利用可能です。たとえば、Feature-Fused SSD、^{[26]、 YOLO-Z [27]}などです。このような方法は、「畳み込みネットワークを通過する際に小さな物体の特徴をどのように維持するか」に取り組んでいます。

• 群衆カウント^{[28] [29] [30] [31]}
• 車両の再識別^[32]
• 動物検出^{[33] [34] [35] [36]}
• 魚類検出^[37]

• 畳み込みニューラルネットワーク
• 法執行におけるUAVの使用
• 水中コンピュータービジョン
• インテリジェント交通システム

• 中国天津大学機械学習およびデータマイニング研究所の AISKYEYE チームによる VisDrone データセット。