自動運転車において、複雑で変化の激しい交通シーンで車両や歩行者の動的情報を事前に正確に検出することは非常に重要である。しかし、自動運転シーンではカメラの高速な移動、スケールの大きな変化、対象の遮蔽、照明の変化といった問題が存在する。これらの課題に対応するため、本論文では注意機構に基づくマルチスケール物体検出アルゴリズムを提案する。YOLOv3ネットワークをベースに、まず空間ピラミッドプーリングモジュールを用いてマルチスケールの局所領域特徴を融合および連結し、ネットワークが対象特徴をより包括的に学習できるようにした。次に、空間ピラミッドを利用してチャネル間の情報融合を短縮し、YOLOv3-SPP⁺-PANネットワークを構築した。最後に、注意機構に基づき、より効率的な物体検出器SE-YOLOv3-SPP⁺-PANを設計した。実験結果は、YOLOv3ネットワークと比較して、提案したSE-YOLOv3-SPP⁺-PANネットワークの平均精度が2.2%向上し、推論速度はインテリジェントドライビングプラットフォームのリアルタイム要件を満たしていることを示している。実験により、提案したSE-YOLOv3-SPP⁺-PANネットワークはYOLOv3よりも効率的かつ高精度であり、実際のインテリジェントドライビングシナリオでの物体検出タスクにより適していることが証明された。

コンピュータビジョン;車両・歩行者検出;ニューラルネットワーク;注意機構