IRA-YOLO: 産業シーンにおけるPPE検出のためのクラス間関係アテンション
IRA-YOLO: Inter-Class Relation Attention for PPE Detection in Industrial Scenes
産業シーンにおける個人用保護具(PPE)検出は、部分的な隠蔽、スケール変動、背景の乱雑さによって複雑化する、共同の分類・局在化問題である。PPEカテゴリは構造的な物理的関係にも従う。既存のアテンションモジュールは主に外観特徴の再重み付けを行い、これらの方向性のあるクラス間依存性をエンコードすることは少ない。そこで、クラス間関係アテンションモジュール(IRAM)を備えたYOLOベースの物体検出器であるIRA-YOLOを提案する。IRAMは、各マルチスケール特徴マップをクラス固有のサブスペースに投影し、カテゴリアテンションマップ間の非対称なペアワイズ関係を学習し、リジッドフュージョンを通じて検出特徴にリレーショナルプライアを返す。SH17において、IRA-YOLOはYOLOv11sと比較してmAP@50:95を0.396から0.411に向上させ、パラメータ数を0.42M、GFLOPsを0.99増加させた。単一画像推論テストでは139.83 FPSを維持した。CHVGでのクロスデータセット評価は、提案された特徴洗練の転移性をさらに支持した。これらの結果は、明示的なクラス間関係モデリングがマルチクラスPPE検出に補完的な意味コンテキストを提供することを示している。
- クラス間関係アテンションモジュール(IRAM)を備えたYOLOベース検出器IRA-YOLOを提案し、PPE検出に適用した
- SH17データセットでmAP@50:95を0.396から0.411へ向上、増加はパラメータ0.42M・GFLOPs 0.99にとどまる
- 単一画像推論で139.83 FPSを維持し、実運用に耐える推論速度を確保した
- CHVGデータセットでのクロスデータセット評価により、特徴洗練手法の転移性を確認した
- 比較対象はYOLOv11s
学術的な物体検出モデルの改良であり、単体では直接的な投資対象ではないが、YOLO系の軽量モデルにクラス間関係アテンションを組み込んで精度を上げつつパラメータ増を0.42M・GFLOPs増を0.99に抑え、139.83 FPSを維持した点はエッジAI/産業向け画像検査の実装コスト低減に直結する。PPE検出は建設・製造の安全規制遵守(コンプライアンス)需要と結びつくため、産業用カメラ・エッジ推論ベンダーや安全監視ソリューションへの波及を注視したい。