チームの最近の成果：暗黙的特徴融合とハイブリッド指標適応型ラベル割り当てによる微小物体検出
私たちのチームは『Knowledge-Based Systems』（インパクトファクター：7.6、中国科学院QSCIランクI TOP）に論文「Tiny object detection via implicit feature fusion and hybrid metric adaptive label assignment」を発表しました。本論文は上海大学コンピュータ工学・科学学院を筆頭機関とし。
微小物体検出（Tiny Object Detection, TOD）は、農業シーンにおいて幅広い応用がある。微小物体は画素数が極めて限られているため、特徴抽出と特徴融合が制約され、さらに主流の検出手法で用いられるラベル割り当て戦略にも課題をもたらす。これらの問題に対処するため、本論文では、暗黙的特徴融合（Implicit Feature Fusion, IFF）とハイブリッド適応型ラベル割り当て（Hybrid Adaptive Label Assignment, HALA）に基づく微小物体検出ネットワークIHANetを提案し、高精度な微小物体検出の実現を目指した。
具体的には、IFFは暗黙的ニューラル表現を利用し、異なるピラミッド階層から得られる特徴マップを統一されたサイズに写像して融合することで、マルチスケール融合における特徴の不整合問題を緩和する。特徴マップを連続表現としてモデル化することにより、IFFは任意の解像度で効果的な融合を実現し、微小物体の詳細を保持しながら情報損失を低減する。HALAは、Intersection over Union（IoU）と、微小物体検出においてより優れた性能を示すReceptive Field Distance（RFD）を組み合わせ、さらに適応的選択戦略によって高品質な訓練サンプルを掘り起こすことで、ラベル割り当て過程を最適化し、モデルの学習性能と検出性能を向上させる。AI-TOD、SODA-D、VisDrone、AgriPestデータセットにおける広範な実験により、IHANetは複数のTODシーンで先進的な性能を達成し、AI-TODデータセットではAP値29.1を達成した。
論文リンク：Tiny object detection via implicit feature fusion and hybrid metric adaptive label assignment
コードリンク：https://github.com/han-yuexing/IHANet
