增强型YOLO框架将360度小目标检测准确率提升至90%

日本芝浦工业大学的研究团队近日开发了一种增强型YOLO框架，通过迁移学习和自定义数据集，将360度全景摄像机对小移动目标的检测准确率提升至90%。这一成果发表在《IEEE Open Journal of Intelligent Transportation Systems》上。

全景摄像机因其360度视野而广泛应用于监控、交通分析和自动驾驶系统。然而，广角镜头导致远处物体变形且微小，使得传统计算机视觉系统难以准确识别。这一问题在行人、自行车、摩托车和汽车等移动目标的检测中尤为突出。

YOLO（You Only Look Once）是一种快速且准确的实时目标检测算法，但在处理全景视频中的小目标时存在不足。由于YOLO将图像划分为网格，当多个小目标落入同一网格时，视觉信息容易丢失。为此，研究团队设计了定制训练数据集和迁移学习相结合的增强框架。

团队创建了约4000张标注图像的数据集，涵盖人、汽车、自行车和摩托车四类。为解决全景摄像机随距离增加分辨率下降的问题，他们为每类目标定义了关键特征：人类至少露出一条手臂或腿，汽车至少两个轮胎可见，自行车和摩托车需前后轮均可见。此外，通过裁剪图像和多角度包含目标，增强了数据集的代表性。

实验结果表明，增强型YOLO模型在大于8×8像素的目标上整体准确率达90%，而YOLOv5和YOLOv8仅分别为46%和53%。对于8×8至32×32像素的小移动目标，新模型准确率为0.81，显著高于YOLOv5的0.39和YOLOv8的0.42。距离测试显示，标准YOLO模型在40米后准确率急剧下降，而新模型在50米内仍保持有效性能。

研究负责人Chinthaka Premachandra教授表示，该研究旨在解决十字路口等复杂交通场景中的事故隐患——车辆、行人和骑行者可能从多个方向突然出现。该技术可应用于智能交通系统、自动驾驶和机器人导航，特别是交叉路口监控和安全辅助。

团队希望未来能进一步提升检测8×8像素以下目标的能力，从而进一步降低事故风险，改善道路安全。