A.I.AI
Hjort-YOLO: 野生動物検知のための軽量かつ説明可能なコンピュータビジョンフレームワーク
Hjort-YOLO: a lightweight and explainable computer vision framework for wildlife detection
FIFrontiers in Artificial Intelligence · CC BY 4.0
AIが原文を翻訳・要約しています
生態モニタリングや野生動物と車両の衝突防止アラートシステムに向け、カメラトラップ画像から野生動物を検知する軽量フレームワーク「Hjort-YOLO」が開発された。軽量なYOLOv11nをベースに、C2f-WやA2C2f-Wブロックの導入、検出ヘッドの削減などの改良を実施。Svanoy鹿データセットおよびアフリカ野生動物データセットでの評価では、YOLOv11nと比較してmAPが0.2%、FPSが13%、推論時間が17%向上し、計算複雑性(GFLOPS)は19%削減され、リソース制約のある環境でのリアルタイム処理と高精度を両立している。
KEY POINTS要点記事から抽出した重要情報
- 野生動物検知向けの軽量コンピュータビジョンフレームワーク「Hjort-YOLO」が開発され、YOLOv11nと比較して計算複雑性を19%削減、推論時間を17%向上させながらmAPを0.2%改善した。
CONTEXT文脈編集部による背景整理
エッジ環境や車載衝突防止システムに適した軽量物体検出モデルの最適化は、計算リソースに制約のある端末での実用化と展開コスト削減に直結します。既存のYOLO系モデルからさらなる低消費電力化・高速化を達成する取り組みは、スマート農業やインフラ監視分野におけるエッジAIソリューションの競争力評価に有用です。
原文を読むAnalyzed at 2026年10月14日 21:02