A.I.AI
LeanCOD: エッジデバイスでのリアルタイム小型擬態オブジェクト検出
LeanCOD: Real-Time Small Camouflaged Object Detection on Edge Devices
MSSensors · MDPI · CC BY 4.0
AIが原文を翻訳・要約しています
擬態オブジェクト検出(COD)手法は、小型の擬態オブジェクトに対する性能低下が著しく、エッジデバイスでのリアルタイム推論が困難であるという課題があった。本研究では、強力な基盤モデルエンコーダーと軽量デコーダーを組み合わせたフレームワーク「LeanCOD」を提案し、高解像度推論を可能にする。さらに、サイズを考慮した複合損失関数により、小型擬態オブジェクトに対する教師信号を強化する。実験の結果、既存のCOD手法の主要な性能ボトルネックは0-1%の超小型オブジェクト領域であることが明らかになった。LeanCODはCOD10Kデータセットにおいて576x576解像度でSα 0.915を達成し、同等またはそれ以下の解像度で競合手法を上回った。NVIDIA Jetson AGX OrinにTensorRT FP16でデプロイした場合、LeanCODは31.6 FPSで動作し、576x576解像度でSα 0.908を維持し、30 FPSのリアルタイム閾値を超えた。
KEY POINTS要点記事から抽出した重要情報
- LeanCODはCOD10Kデータセットで576x576解像度においてSα 0.915を達成し、競合手法を上回った。
- NVIDIA Jetson AGX OrinにTensorRT FP16でデプロイし、576x576解像度で31.6 FPSを達成し、リアルタイム閾値30FPSを超えた。
CONTEXT文脈編集部による背景整理
本記事は学術研究の発表であり、特定企業の業績や市場に直接影響する投資イベントではない。ただし、エッジAI推論の効率化(特に小型オブジェクト検出)は産業用検査・監視・ドローン・ロボットビジョンなど幅広い応用領域の性能向上に直結するため、関連する半導体エッジAIチップや組み込みAIプラットフォームの価値向上につながる可能性がある。研究段階だが、NVIDIA Jetson上での31.6FPS達成は実用化への一歩と言える。
原文を読むAnalyzed at 2026年7月9日 21:00