EdgeLane-SEG: ADASおよび自動運転におけるリアルタイム道路標示・車線検出のためのエネルギー効率の良い組み込みエッジAIフレームワーク(インスタンスセグメンテーション付き)
EdgeLane-SEG: an energy-efficient embedded edge AI framework for real-time road marking and lane lines detection with instance segmentation in ADAS and autonomous driving
本研究は、ADASおよび自動運転において、リアルタイム組み込み制約下での高精度かつエネルギー効率の良い道路標示認識を実現するため、EdgeLane-SEGという統一フレームワークを提案する。このフレームワークは、YOLO11-SEGとYOLO26-SEGという2つの単段階モデルを統合し、物体検出とインスタンスセグメンテーションを同時に行う。10,542枚の注釈付き画像と23,420個のラベル付きインスタンスからなる専用データセットが構築された。両モデルは、IoUベース回帰、objectness、分類、およびハイブリッドBinary Cross-EntropyとDiceセグメンテーション損失を組み合わせた統一マルチタスク損失を用いて、同一条件下で学習された。NVIDIA Jetson Nano、Raspberry Pi 5、Raspberry Pi 5 (Intel Movidius VPU付き)、Raspberry Pi 5 (Hailo-8 NPU付き)で評価が行われた結果、両モデルはmAP@0.5で98%を超える高い検出・セグメンテーション性能を達成した。YOLO26-SEGは、すべてのプラットフォームでYOLO11-SEGよりも高いFPSとFPS/Wを達成し、優れた推論速度とエネルギー効率を示した。特にHailo-8 NPU構成は、YOLO26-SEGで50–52.6 FPSおよび18.85 FPS/Wを達成し、最高の組み込み性能を示した。EdgeLane-SEGは、精度、効率、展開可能性のバランスが取れており、YOLO26-SEGとHailo-8 NPUの組み合わせは、リソース制約のある環境でのエネルギー効率が高く信頼性の高い道路認識を可能にし、リアルタイム組み込みADASアプリケーションに特に適している。
- EdgeLane-SEGフレームワークにより、YOLO26-SEGとHailo-8 NPUの組み合わせで50–52.6 FPSおよび18.85 FPS/Wを達成し、リアルタイム組み込みADAS環境で最高の性能を示した
- 両モデル(YOLO11-SEG、YOLO26-SEG)はmAP@0.5で98%超の検出・セグメンテーション性能を達成した
本論文はADAS・自動運転向けのリアルタイム車線・道路標示検出フレームワークであり、成果物の領域は自動運転(mobility)に該当する。投資家視点では、エッジデバイス(Jetson Nano、Raspberry Pi 5 + Hailo-8 NPU)上で50FPS超・98%以上のmAPを達成するエネルギー効率の高い推論を実証しており、コスト制約のある車載エッジAI市場での実用化可能性を示す点が注目に値する。ただし学術研究の段階であり、商用化や企業の業績・調達等に直接結びつく具体的な事象ではないため、投資判断への直接的な影響は限定的。