Vehicle Detection using Darknet YOLOv3 on Jetson Nano

前回の記事においてJetson Nano上に構築したDarknetのYOLOv3とTiny YOLOv3の環境を用いて、Vehicle Detectionを行いました。

COCOデータセットにおけるYOLOv3とTiny YOLOv3のパフォーマンス

COCOデータセットにおけるYOLOv3等のパフォーマンスが、YOLO: Real-Time Object Detectionに示されています。
以下の表は、上記のサイトからYOLOv3 (YOLOv3-416)とTiny YOLOv3 (YOLOv3-tiny)のパフォーマンスを抜き出したものです。

Model	Train	Test	mAP	FLOPS
YOLOv3-416	COCO trainval	test-dev	55.3	65.86 Bn
YOLOv3-tiny	COCO trainval	test-dev	33.1	5.56 Bn

 

YOLOv3-416とYOLOv3-tinyのmAPは、それぞれ55.3と33.1です。両者のmAPには、22.2の差があります。

DarknetのYOLOv3とTiny YOLOv3を用いたVehicle Detection

Jetson Nano上に構築したDarknetのYOLOv3とTiny YOLOv3の環境を用いて、GitHub – udacity/CarND-LaneLines-P1: Lane Finding Project for Self-Driving Car NDのテストビデオ（solidWhiteRight.mp4）のVehicle Detectionを行いました。

Darknet YOLOv3 (YOLOv3-416)

下のビデオは、Jetson Nano上のDarknet YOLOv3を用いてVehicle Detectionした結果を示しています。

YOLOv3は、遠方のVehicleを検出していることが分かります。
ただし、このときのFPSは約2でした。

Darknet Tiny YOLOv3 (YOLOv3-tiny)

下のビデオは、Jetson Nano上のDarknet Tiny YOLOv3を用いてVehicle Detectionした結果を示しています。

このときのFPSは約16でした。
ただし、Tiny YOLOv3は、遠方のVehicle、すなわち小さな物体を検出していないことが分かります。
両者のmAPの差が、小さな物体の検出性能に表れているように見えます。

まとめ

前回の記事においてJetson Nano上に構築したDarknetのYOLOv3とTiny YOLOv3の環境を用いて、Vehicle Detectionを行いました。

Darknet YOLOv3は、遠方のVehicleを検出しているのですが、処理速度（FPS:約2）が不足しています。
Darknet Tiny YOLOv3では、処理速度（FPS:約16）は良いのですが、遠方のVehicleの検出は難しいようです。