概要

・対象物が小さい物体の検出は、UAV(無人偵察機)、監視、農業など多くの分野で主要なアプリケーションである。
・ここでは、トレーニングする際に画像を切り取る手法と推論時のスライス推論の効果を検証しました

実験方法

各モデルに対して、2種類のモデルタイプと2種類のモデルサイズ、合計4種類のモデルで学習と実験を行いました。本研究では、YOLOv5-small, YOLOv5-large, YOLOX-small, YOLOX-large の各モデルを学習させました。
データセットはMMDetectionを使用しました。スライス推論にはSAHI(https://arxiv.org/abs/2202.06934)を使用しました。
学習時には、二つの画像サイズを用いて、それぞれ学習させました。一つはオリジナルの1088×1088で学習し、二つ目は、元画像を640×６４０に切り取ったもので学習させました。学習時には1088×1088にリサイズします。

学習の方法は以下の4つになります。
1. フル画像での学習と推論。この実験の目的は、この後の実験を評価するためのベースラインを確立することです。
2. フル画像での学習と、SAHIでの推論。
3. 切り取った画像での学習と、フル画像での推論。
4. 切り取った画像での学習と、SAHIでの推論。