MHF-Net: 高周波ゲート付き畳み込みに基づくマルチモーダル残差融合物体検出ネットワーク
MHF-Net: Multi-Modal Residual Fusion Object Detection Network Based on High-Frequency Gated Convolution
本論文は、自動運転シナリオにおける悪天候や部分的なオクルージョンによる画像劣化に対処することを目的とする。提案手法は、残差融合ブロック(ResFuse)を用いてクロスモーダル特徴量のディープフュージョンを実現するデュアルブランチアーキテクチャを採用している。デュアルパスアテンション機構(DualAtt)と統合高周波アテンションモジュール(HFAtt)は、特徴マップ内の重要な情報を捉えるために設計された。さらに、空間・チャネルダウンサンプリングモジュール(SCDown)は、空間からチャネルへの画像ダウンサンプリングを実装する。実験の結果、提案ネットワークはM3FDデータセット上で61 FPSの検出速度と87.4%の精度(P)を達成した。比較実験の結果、MHF-NetはmAP50評価指標で84.3%を達成した。ベースラインモデルと比較して、パラメータ数は95%、計算複雑度は88%削減された。他の主流の物体検出アルゴリズムと比較して、MHF-Netは自動運転シナリオにおける性能に関して良好なバランスを示している。
- MHF-Netは自動運転シーン向けのマルチモーダル物体検出ネットワークで、残差融合ブロック(ResFuse)、デュアルパスアテンション(DualAtt)、高周波アテンション(HFAtt)、空間・チャネルダウンサンプリング(SCDown)を組み合わせている。
- M3FDデータセットで61 FPSの検出速度と87.4%の精度(P)、mAP50で84.3%を達成した。
- ベースラインモデル比でパラメータ数を95%、計算複雑度を88%削減した。
物体検出モデルのアーキテクチャ改善論文で、自動運転の悪天候・遮蔽耐性という実用課題に直結する。注目は計算資源の削減幅の大きさで、パラメータ95%減・計算複雑度88%減をベースライン比で達成しつつmAP50 84.3%を維持している点は、車載向けエッジ推論のコスト構造を変え得る。61 FPSという速度はリアルタイム車載推論の要件を満たす水準で、Tier1や車載SoCベンダーが採用検討する余地がある。ただしM3FD単一データセットでの評価に留まり、商用展開や企業の関与は示されておらず、投資判断には追加検証が必要。