自動運転シナリオにおけるハードウェア制限およびマルチスケールや遮蔽現象により検出性能が低下する問題に対し、本論文では車両検出タスク向けの軽量物体検出アルゴリズムRT-DETR-lightを提案する。まず、CG Blockモジュールを用いてバックボーンネットワークの畳み込みモジュールを改善し、これに基づき推論速度と検出精度のバランスを実現した軽量特徴抽出ネットワークCGResNetを構築した。特徴融合段階では、双方向特徴ピラミッドネットワークBiFPNを導入し、双方向の情報伝達により精度向上を図った。最後に、車両検出タスクにおける小物体および遮蔽シーンでの位置精度不足の課題に対し、改良損失関数EPGIoUを設計し、多重拘束の協調設計により極端なシーンにおける勾配の安定性を最適化した。実験結果は、本アルゴリズムがUA-DETRACデータセットでmAP@0.5および精度がそれぞれ75.0％、74.5％に達し、ベースラインアルゴリズムと比較してパラメータ数と計算量をそれぞれ26.4％、18.0％削減し、検出速度を1.4ポイント向上させたことを示した。さらにBDD100K-Subデータセットでのクロスデータセット評価により汎化性能を検証した。本論文で提案する検出アルゴリズムは検出精度、軽量化、推論速度において顕著な優位性を持ち、自動運転シナリオにおけるリアルタイム車両検出とエッジデバイス展開に向けたより優れたソリューションを提供する。

深層学習;RT-DETRアルゴリズム;軽量化;車両検出