Core Concepts
メトロ監視システムの乗客密度推定問題を効果的に解決するために、統合マルチスケールアテンションモジュールを搭載したクラウドネットワーク(MCNet)を提案する。
Abstract
本論文は、メトロ監視システムの乗客密度推定問題に取り組むために、MCNetを提案している。
まず、統合マルチスケールアテンション(IMA)モジュールを提案した。このモジュールは、拡散畳み込み、マルチスケール特徴抽出、アテンションメカニズムを融合することで、より広範囲の受容野と異なるスケールの特徴活性化を得ることができる。これにより、平面分類器の乗客テクスチャ特徴抽出能力を強化する。
次に、計算コストが小さい軽量な乗客テクスチャ特徴抽出ネットワークを提案した。このネットワークは、ビデオフレームを直接処理し、乗客密度推定のためのテクスチャ特徴を自動的に抽出できる。
最後に、IMAモジュールと軽量な乗客テクスチャ特徴抽出ネットワークを統合してMCNetを構築し、ベンチマークデータセットとメトロ現場データセットで検証した。実験結果から、IMAモジュールの助けにより、MCNetの予測精度が大幅に向上し、他の手法と比較して優れた総合的な予測性能を示すことが分かった。さらに、ワークステーションとエンベデッドデバイスでの消費電力と推論速度の実験から、MCNetがメトロ組み込みプラットフォームでの乗客密度推定に適した解決策となることが示された。
Stats
メトロ乗客密度推定の精度は、従来手法と比べて2-4%向上した。
MCNetの総パラメータ数は0.13Mと少なく、CPUモードでの推論速度は2-3ms/フレームと高速である。