Deep Learning
口頭発表
物体クラスを考慮したFM-NMSによる物体検出の知識蒸留
- Author
- 劉履壮, 平川翼, 山下隆義, 藤吉弘亘
- Publication
- ビジョン技術の実利用ワークショップ, 2021
Download: PDF (Japanese)
物体検出モデルの精度と速度の両立が重要である．組み込み端末に実装する場合，軽量化したモデルを用いることで，検出速度は高速化できるが，精度は低下するという問題点がある．そこで本研究では，教師モデルにYOLOv4，生徒モデルにYOLOv4-tinyを用いて，One-stageの物体検出に対して知識蒸留を適用する．また，物体検出で行う一般的なNMS処理の代わりに特徴マップにNMS処理を行うFM-NMSを導入して知識蒸留する．このとき，物体クラスごとに着目サイズを変えることで誤検出を抑制，精度向上を図る．評価実験の結果，提案手法で知識蒸留したYOLOv4-tinyモデルの検出精度が向上することを確認した．