道路交通における対象の環境が複雑であり、モデルによる重要特徴の抽出不足や対象の位置特定精度の低さの問題に対処するため、SSDモデルを基本フレームワークとして特徴抽出方法、重要情報の強化、および非局所的特徴位置特定の研究を行った。まず、道路交通場面における対象のマルチスケール問題を的確に解決するために、ジャンプ型逆特徴ピラミッド構造を提案し、より判別力のある特徴を生成した。次に、異なる意味レベルの情報が特徴融合プロセスに異なる寄与をする問題を解決するために、注意機構に基づく適応的特徴融合モジュールを設計し、チャネルレベルで重要特徴の表現力を非先験的に強化した。最後に、十字交差注意モジュールを導入し、モデルの対象位置感度を向上させた。実験結果は、元のSSDモデルと比較して、リアルタイム性を維持しつつ、PASCAL VOCサブデータセットで精度の平均値が2.6%向上し、自作の道路交通データセットで3.9%向上したことを示している。総合的に見て、改良アルゴリズムは道路上の車両および歩行者検出タスクに広く適用可能である。

深層学習;車両および歩行者検出;特徴ピラミッド;注意機構;特徴融合