[論文レビュー] Deep Learning Innovations for Underwater Waste Detection: An In-Depth Analysis

Jaskaran Singh Walia, L K Pavithra|arXiv (Cornell University)|May 28, 2024

Water Quality Monitoring TechnologiesEnvironmental Science被引用数 3

ひとこと要約

本論文は、多様な水中環境をカバーするリアルタイム水中ごみ検出のため、最先端のディーブラーニングモデル、特にYOLOv8の変種を評価している。整理されたデータセットを用い、複数のアーキテクチャと比較することで、YOLOv8-nanoとYOLOv8-XLargeが高い正確性とリアルタイム推論速度を達成していることが示された。これは、海洋ごみの検出および回収システムにおける自律型水中ビークル（AUV）への展開に最適である。

ABSTRACT

Addressing the issue of submerged underwater trash is crucial for safeguarding aquatic ecosystems and preserving marine life. While identifying debris present on the surface of water bodies is straightforward, assessing the underwater submerged waste is a challenge due to the image distortions caused by factors such as light refraction, absorption, suspended particles, color shifts, and occlusion. This paper conducts a comprehensive review of state-of-the-art architectures and on the existing datasets to establish a baseline for submerged waste and trash detection. The primary goal remains to establish the benchmark of the object localization techniques to be leveraged by advanced underwater sensors and autonomous underwater vehicles. The ultimate objective is to explore the underwater environment, to identify, and remove underwater debris. The absence of benchmarks (dataset or algorithm) in many researches emphasizes the need for a more robust algorithmic solution. Through this research, we aim to give performance comparative analysis of various underwater trash detection algorithms.

研究の動機と目的

• ディープラーニングオブジェクト検出モデルを用いた水中ごみ検出のパフォーマンスベンチマークを確立すること。
• 自律型水中ビークル（AUV）に軽量でリアルタイム推論が可能なモデルを統合する可能性を評価すること。
• 水中ごみ検出研究分野における汎用的で頑健なデータセットとアルゴリズムの不足を是正すること。
• YOLOの変種とMask R-CNNを含む現代的なディープラーニングアーキテクチャが、複雑な歪みを含む水中画像データに対してどのように性能を発揮するかを比較すること。
• 今後の水中オブジェクト検出および自律的ごみ回収分野の研究のための標準化されたベースラインを提供すること。

提案手法

• 多様な水中環境、特にエピペラジックおよびメソペラジック層を反映するようにデータセットを整理・適応させ、一般化を確保した。
• 適応されたデータセット上で、YOLOv5、YOLOv7、YOLOv8、YOLO-NAS、YOLO-SAMを含む複数のディープラーニングオブジェクト検出モデルを訓練および評価した。
• 正確性、再現率、F1スコア、損失などの標準的なオブジェクト検出指標を用い、モデルのパフォーマンスを定量的に比較した。
• 境界ボックスの可視化に使用するため、正規化されたモデル出力座標をピクセル座標に変換する式を用いた：$ImgCord_{k} = BoxScore_{i}^{j} \times Width$。
• 未知の動画データ、特にバイラルなバリの海洋ごみ映像を含む、リアルタイム推論テストを実施し、新しい視覚的文脈における頑健性を評価した。
• 検出の信頼性とモデルの一貫性を検証するために、混同行列とバッチ検出比較を実施した。

実験結果

リサーチクエスチョン

• RQ1 どのディープラーニングオブジェクト検出モデルが、水中ごみ検出において最高のリアルタイム推論速度と正確性を達成するか？
• RQ2 Faster R-CNN や Mask R-CNN といったより重いモデルと比較して、軽量なYOLOバージョンは、パフォーマンスと計算効率の面でどのように差をつけるか？
• RQ3 提案されたモデルは、複雑な視覚的歪みを含む未確認の実世界の水中動画データに一般化可能か？
• RQ4 YOLOv8モデルは、異なる水中の水層や環境条件下でどのように性能を発揮するか？
• RQ5 制御されたテストセットとリアルタイム展開シナリオとの間で、モデルの予測がどの程度一貫性を保っているか？

主な発見

• YOLOv8-nanoとYOLOv8-XLargeは、全テストモデルの中で最高のF1スコアを達成し、正確性と再現率のバランスに優れていることが示された。
• YOLOv8-nanoとYOLOv8-XLargeの両方とも、AUVへの展開に適したリアルタイム推論速度を示し、ニアリアルタイム動作要件を満たしていた。
• 軽量なYOLOモデルは、Faster R-CNN や Mask R-CNN といった従来のモデルを上回り、速度とF1スコアの両面で優れていた。これは、リソース制限のあるロボットプラットフォームに適していることを確認した。
• モデルは、制御された評価結果からのわずかなずれを伴いながらも、未確認のテストデータ、特に挑戦的なバリのバイラル動画においても一貫したパフォーマンスを維持していた。
• 最良のパフォーマンスを示したYOLOモデルの混同行列は、高い検出信頼性と低い偽陽性率を示しており、信頼できる局所化を示している。
• YOLOv5s、v7、v8n、v8xの損失曲線は、安定した学習収束を示しており、この分野におけるYOLOv8ファミリーの頑健性を裏付けた。