Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

SBP-YOLO:A Lightweight Real-Time Model for Detecting Speed Bumps and Potholes toward Intelligent Vehicle Suspension Systems

Created by
  • Haebom

作者

Chuanqi Liang, Jie Fu, Miao Yu, Lei Luo

SBP-YOLO:組み込みシステム用の過速度防止ジョーとポートホール検出

概要

本論文は,組込みシステムにおける過速防止ジョーとポートホールを効率的に検出するためのSBP-YOLOフレームワークを提案する。 YOLOv11nに基づいてGhostConvとVoVGSCSPCモジュールを統合し、計算量を削減し、マルチスケールの意味論的特徴を改善しました。 P2レベル分岐により小さな物体検出を改善し、軽量化された検出ヘッド(LEDH)を使用して精度を維持しながらオーバーヘッドを最小限に抑えました。 NWD損失、BCKD知識蒸留、アルブメンテーションベースの強化を組み合わせたハイブリッドトレーニング戦略により、さまざまな道路や環境条件で堅牢性を強化しました。実験の結果、SBP-YOLOは87.0%mAPを達成し、YOLOv11nベースラインより5.8%のパフォーマンスを向上させました。 TensorRT FP16の量子化後、Jetson AGX Xavierで139.5 FPSで実行され、P2はYOLOv11よりも12.4%速い速度を達成しました。

Takeaways、Limitations

Takeaways:
組み込みシステムにおける過速度防止ジョーとポートホール検出のための効率的なフレームワークの提案
YOLOv11nに基づいてGhostConv、VoVGSCSPC、P2レベル分岐、LEDHを統合することでパフォーマンスを向上
ハイブリッドトレーニング戦略による様々な環境条件での堅牢性の確保
Jetson AGX Xavierで139.5 FPSの高速でリアルタイム検出可能
Limitations:
具体的な環境条件(降雨、照明の変化など)での性能低下の可能性。
他の軽量化された物体検出モデルとの比較不足。
実際の自律走行システムへの統合と検証に関する情報不足
👍