UAV画像における微小物体検出のための微分可能な解像度割り当て
Differentiable Resolution Allocation for Tiny Object Detection in UAV Imagery
AFWD-Netは、UAV画像における微小物体検出において、計算リソースの割り当てと情報密度のミスマッチを解消する。本手法では、ダウンサンプリングされた画像上で動作する粗い密度推定器が、ターゲットが存在する可能性のある領域の空間的優先度を生成する。Gumbel top-K緩和と空間トランスフォーマーサンプラーを用いて、この優先度から高解像度クロップのセットを生成する。これらのクロップの中心とスケールは微分可能であり、検出品質を測る勾配が解像度の割り当てを決定する。クロップ内では、学習可能なウェーブレット分解により、ストライドダウンサンプリングによって失われた高周波構造を復元し、微小なターゲットと背景ノイズを区別する。検出クエリは密度フィールドから直接生成され、クロップレベルの予測は密度校正されたソフト抑制によってマージされる。VisDrone2019-DETデータセットにおいて、AFWD-Netは49.3%のmAP@0.5、30.4%のmAP@[0.5:0.95]、22.8%のAPSを達成し、パラメータ数は15.7Mである。蒸留された7.2Mの学生モデルも比較対象手法に匹敵する性能を示す。UAVDT、AI-TOD-v2、SODA-Aデータセットでの実験により、データセット間の汎化性能も評価されている。
- AFWD-Netは粗い密度推定器で優先度マップを作り、Gumbel top-K緩和と空間トランスフォーマーサンプラーで微分可能に高解像度クロップの中心・スケールを決定する、UAV画像向け微小物体検出の新手法
- 学習可能なウェーブレット分解により、ストライドダウンサンプリングで失われた高周波構造をクロップ内で復元し、微小ターゲットと背景ノイズを区別する
- VisDrone2019-DETでmAP@0.5 49.3%、mAP@[0.5:0.95] 30.4%、APS 22.8%、パラメータ数15.7Mを達成
- 蒸留された7.2Mの学生モデルが比較対象手法に匹敵する性能を示し、軽量モデル化(蒸留)の有効性を確認
- UAVDT、AI-TOD-v2、SODA-Aの各データセットでデータセット間の汎化性能を評価
UAV画像の微小物体検出という応用に特化した、計算資源を「解像度」という形で動的に配分する微分可能な設計。Gumbel top-K緩和や空間トランスフォーマーサンプラー、学習可能ウェーブレット分解を組み合わせ、15.7MパラメータでVisDrone2019-DETのmAP@0.5を49.3%に到達させた点は、ドローン監視・点検・防災用途のエッジ推論コストを直接下げる可能性がある。加えて蒸留した7.2M学生モデルが競合手法に匹敵する性能を出していることは、小型チップ上での実運用(電力・レイテンシ制約の厳しい現場)を想定した投資判断で重要。ただし性能はベンチマーク指標に留まり、採用企業や製品化の発表ではないため、ドローン・防衛・スマートシティ関連の実装動向とセットで追うべき。