合成および派生トレーニング画像を用いたキャンパス廃棄物検出：YOLOv8nによるマルチシード評価
本研究では、合成画像および派生画像がYOLOv8n検出器の性能向上に寄与するかを評価した。148枚のキャンパス写真からなる実データセットを用いた実験では、すべての合成拡張構成が実画像のみのベースライン（平均[email protected]: 0.691）を超えられなかった。手と前腕の複合実験はテストセットの汚染により無効となり、再構築後も有意な効果は見られなかった。テストセットの規模が小さいため、結論には限界がある。
キャンパス内の廃棄物検出における合成画像の有効性を検証する研究が、arXivで公開された。Ali Behbahaniら4名の著者によるこの研究は、不適切な廃棄物処理がリサイクル流を汚染する問題に対処するため、ごみ箱に取り付けたカメラでリアルタイムフィードバックを提供することを目指している。研究チームは148枚のキャンパス写真を収集し、86枚をトレーニング、31枚を検証、31枚をテストに使用した。12の異なるジョイントトレーニング構成を設計し、追加画像の量とソースを変えて実験を行った。主要な7つの設定に対して4つの一致したシードで繰り返し実験し、パーセンタイルブートストラップ区間を計算した。
結果として、実画像のみのモデルは平均[email protected]が0.691（区間[0.665,0.722]）を達成した。しかし、合成画像を追加すると性能は低下した。背景置換では平均mAPが0.560、孤立物体画像では0.680、完全な拡張プールでは0.487にとどまった。これらの結果は、現在の合成データ戦略が改善に寄与しないことを示している。
また、すべての実画像に手で持った物体が写っていたことから、手と前腕の複合画像の効果も検証された。最初の複合セットにはテスト写真からの切り抜きが含まれていたため実験は無効となり、トレーニング分割の切り抜きで再構築して再実験を行った。補正後のペア差は+0.034（区間[-0.063,0.199]）であり、手複合効果を支持するものではなかった。単一シードの転移実験では、ジョイント混合と逐次事前学習の順位がデータソースに依存することが示された。
著者らは、評価されたすべての構成が実データベースラインを超えず、31枚のテストセットはクラス固有の強い結論を導くには小さすぎると結論付けている。この研究は、コンピュータビジョンをキャンパス廃棄物検出に応用する上での重要な知見を提供するが、データセットの拡大とより効果的な合成手法の探索が今後の課題である。