A Performance Analysis of Training Models for a Deep Learning-Based Object Detection Method to Detect Motorcycles with an Onboard Camera

Abstract

本研究では，自動車に車載された可視光カメラにて撮影した映像から，交通環境内の二輪車を深層学習による物体検出手法によって検出するとき，学習モデルの構築方法が検出精度にどのように寄与するかを明らかにする．物体検出手法は YOLO（v4-tiny）を用いた．教師データに用いる二輪車画像は，物体検出でよく使われる COCO データセット中の二輪車画像 3085 枚に加え，動画共有サイト上の動画や著者らの車両のドライブレコーダー映像の二輪車が映ったフレームからさらに 5000 枚程度用意した．これらの二輪車画像をもとに，次のポリシーに基づいて教師データを作成した．まず，車載カメラ映像中の二輪車を見つけることを想定し，実際の交通環境内に無い二輪車の画像を取り除いた．そして画像をアノテーションする際のクラスについて，1 つのクラスとした場合，外観の異なる 4 車種にクラス分けをした場合，4 つの撮影方向別にクラス分けをした場合を評価するためにそれぞれのデータセットを作成した．これらのデータセットを学習したモデルが，どの程度の距離から二輪車を検出できるかを評価した．その結果，実際の交通環境に近い二輪車の画像を学習用データとして利用することで検出距離が 5～20m 程度から 10～25m 程度に向上することがわかった．一方で，クラスを車種や撮影方向ごとに増やしても検出距離に変化はみられず，15～30m 程度であった．また検出対象の動画をトリミングすることで，45m 程度の検出距離となった．