Core Concepts
小型対象物検出と群集集中検知アルゴリズムを組み合わせることで、空港や駅などの混雑した環境でのスタンペード事故の発生を未然に防ぐことができる。
Abstract
本研究では、Deformable DETRをベースとした新しい群集スタンペード検知アルゴリズムを提案している。主な特徴は以下の通り:
マルチスケールの変形可能注意機構を導入し、小型対象物の検出精度を向上させた。これにより、密集した群集環境での小さな対象物の検出が可能になった。
特徴融合モジュールを追加し、小規模な特徴の表現能力を高めた。これにより、対象物の境界線や質感などの微細な情報をより正確に捉えられるようになった。
従来のReLUよりも収束が速く、過学習を抑制できるSwiGLU活性化関数をFeedForward Networkに導入した。これにより、モデルの学習効率が向上した。
さらに、K-meansとK-nearest neighborsのクラスタリングアルゴリズムを組み合わせた群集集中検知手法を提案した。これにより、群集内の密集エリアを特定し、スタンペード発生の早期警報が可能となる。
実験結果から、提案手法は小型対象物の検出精度を34%向上させつつ、元の検出速度を維持できることが示された。また、群集集中検知アルゴリズムも有効に機能し、スタンペード事故の未然防止に貢献できると期待される。
Stats
群集密度が5人/平方メートルを超えると、スタンペードが発生しやすい
個人間の安全距離は0.7メートル以上が望ましい
Quotes
"マルチスケールの変形可能注意機構を導入し、小型対象物の検出精度を向上させた。"
"特徴融合モジュールを追加し、小規模な特徴の表現能力を高めた。"
"SwiGLU活性化関数を導入し、モデルの学習効率が向上した。"