Core Concepts
限られたラベル付きデータを活用し、時間的な一貫性を利用することで、効率的にオブジェクトを検出する手法を提案する。
Abstract
本研究では、事象カメラを用いたオブジェクト検出の新しい課題であるラベル効率的な検出手法を提案する。
まず、限られたラベル付きデータを用いて事象カメラ用の検出器を事前学習する。次に、この検出器を使って未ラベル化されたデータに対してpseudo labelを生成する。
pseudo labelの生成では、時間的な情報を活用するため、順方向と逆方向の2つの方向で推論を行い、その結果を統合する。また、トラッキングに基づく後処理を行うことで、時間的に一貫性のない検出結果を除去する。
さらに、信頼できないpseudo labelの影響を抑えるため、アンカーの割り当て方を工夫したソフトなアンカー割り当て戦略を導入する。
これらの手法を組み合わせることで、限られたラベル付きデータを効果的に活用し、従来手法を大きく上回る性能を達成できることを示す。
Stats
限られたラベル付きデータを活用することで、従来手法と比べて以下のような性能向上が得られる:
Gen1データセットにおいて、1%のラベル使用時にmAPが8.6%改善
1Mpxデータセットにおいて、10%のラベル使用時にmAPが従来手法を上回る
Quotes
"限られたラベル付きデータを活用し、時間的な一貫性を利用することで、効率的にオブジェクトを検出する手法を提案する。"
"本研究では、事象カメラを用いたオブジェクト検出の新しい課題であるラベル効率的な検出手法を提案する。"