| 講演抄録／キーワード |
| 講演名 |
2024-06-07 13:15
バイナリ特徴量を抽出可能なCMOSイメージセンサーを用いた物体検出システムの検討
○黒田慶一朗・森角勇大・大須賀裕宇（立命館大）・氏家隆一・森川大輔・島 秀樹（日清紡マイクロデバイス）・吉田康太・大倉俊介（立命館大） |
| 抄録 |
（和） |
”Society5.0”に向けて画像認識システムの消費電力を削減するため，バイナリ特徴量データを出力可能なCMOS イメージセンサーを用いた物体検出システムを提案する．最初に，通常の RGB カラー画像に向けた物体検出モデルに対して，特徴量データに向けた物体検出モデルのネットワークの軽量化を検討した．その結果，8 bit の特徴量データに向けた物体検出モデルは，大きな物体の認識精度である APL50 が 66.5% となり，RGB カラー画像用の物体検出モデル（YOLOv7 [1]）と比較してわずか 4.6% の低下にとどまる一方，パラメータ数は 66.1%，FLOPs は76.7%，GPU の消費電力は 32.5% 低減した．次に，イメージセンサーからバイナリ特徴量データを出力する方法を検討した．その結果，1 bit の特徴量データに向けた物体検出モデルの APL50 は 48.0% となり，RGB カラー画像に対して 23.1% 低下したものの，ランレングス符号化法と組み合わせることで，イメージセンサー出力データ量を 99.4%削減可能な目途を得たため，今後イメージセンサーの大幅な消費電力の低減が期待できることが分かった． |
| （英） |
For the coming Society 5.0, we propose an object detection system using a CMOS image sensor capable of extracting binary feature data in order to reduce power consumption of recognition systems. First, a lightweight deep neural network (DNN) for feature data is verified based on YOLOv7. Despite a decrease in object recognition accuracy of large objects (APL50) by only 4.6% compared to the YOLOv7 model for color images, the DNN parameters, FLOPs, and GPU power consumption are reduced by 66.1%, 76.7%, and 32.5%, respectively. Secondly, a CMOS image sensor capable of extracting binary feature data is proposed. Simulation results demonstrate that, while the APL50 is reduced by 23.1% compared to RGB color images, the image sensor output data is reduced by 99.4% with run-length encoding. |
| キーワード |
（和） |
CMOS イメージセンサー / 特徴量抽出 / 物体検出 / データ量削減 / ランレングス符号化法 / / / |
| （英） |
CMOS image sensor / feature extraction / object detection / data reduction / Run Length Encoding / / / |
| 文献情報 |
映情学技報, vol. 48, no. 17, IST2024-27, pp. 23-28, 2024年6月. |
| 資料番号 |
IST2024-27 |
| 発行日 |
2024-05-30 (IST, ME) |
| ISSN |
Online edition: ISSN 2424-1970 |
| PDFダウンロード |
|