MACHINE PERCEPTION AND ROBOTICS GROUP

機械知覚&ロボティクスグループ
中部大学

物体検出は，画像中の物体の位置と大きさを推定する技術であり，自動車の自動運転システムや監視カメラなどに幅広く応用されている．深層学習を利用した物体検出手法の一つであるDetect to Track and Track to Detect(D&T)は移動方向を考慮したリアルタイムな物体検出を可能としている．しかし，D&Tから推定される移動方向は，画像全体または局所的な画素の変化を捉えず，検出領域の類似性から移動方向を決定しているため，推定結果がずれてしまうことがある．そこで，本研究では適切な移動方向を獲得するためにオプティカルフローを考慮する学習を行う．また，オプティカルフローを推定するFlowNetCとD&Tの共通の処理に着目し，マルチタスク化を行うことで物体検出の高精度化を実現する．提案手法の有効性を示すために，Virtual KITTIによる評価実験と物体検出率，物体追跡率の設定による精度比較を行う．