[論文レビュー] SODA: Site Object Detection dAtaset for Deep Learning in Construction

Rui Duan, Hui Deng+3 more|arXiv (Cornell University)|Feb 19, 2022

Infrastructure Maintenance and Monitoring被引用数 4

ひとこと要約

本論文では、15のカテゴリ（作業者、材料、機械、レイアウト）にまたがる286,201個のアノテーション付きオブジェクトを含む、19,846枚の建設現場画像から構成される大規模かつオープンソースのデータセットSODAを紹介する。さまざまな条件下で収集され、YOLOv3/v4を用いて評価されたSODAは、最大mAP 81.47%を達成し、建設分野におけるディーブラーニングベースのオブジェクト検出のベンチマークを確立した。

ABSTRACT

Computer vision-based deep learning object detection algorithms have been developed sufficiently powerful to support the ability to recognize various objects. Although there are currently general datasets for object detection, there is still a lack of large-scale, open-source dataset for the construction industry, which limits the developments of object detection algorithms as they tend to be data-hungry. Therefore, this paper develops a new large-scale image dataset specifically collected and annotated for the construction site, called Site Object Detection dAtaset (SODA), which contains 15 kinds of object classes categorized by workers, materials, machines, and layout. Firstly, more than 20,000 images were collected from multiple construction sites in different site conditions, weather conditions, and construction phases, which covered different angles and perspectives. After careful screening and processing, 19,846 images including 286,201 objects were then obtained and annotated with labels in accordance with predefined categories. Statistical analysis shows that the developed dataset is advantageous in terms of diversity and volume. Further evaluation with two widely-adopted object detection algorithms based on deep learning (YOLO v3/ YOLO v4) also illustrates the feasibility of the dataset for typical construction scenarios, achieving a maximum mAP of 81.47%. In this manner, this research contributes a large-scale image dataset for the development of deep learning-based object detection methods in the construction industry and sets up a performance benchmark for further evaluation of corresponding algorithms in this area.

研究の動機と目的

• 建設現場オブジェクト検出に特化した大規模かつオープンソースのデータセットの不足に対処すること。
• さまざまな条件、段階、視点で、現実の建設現場の画像を収集・アノテーションすること。
• 建設分野におけるディーブラーニングベースのオブジェクト検出アルゴリズムの開発と評価を支援するベンチマークデータセットを提供すること。
• 複雑で動的な建設環境におけるオブジェクト検出モデルの性能と一般化能力を向上させること。

提案手法

• さまざまな天候、照明条件、建設段階の下で、複数の稼働中の建設現場から20,000枚以上の画像を収集した。
• 品質と一貫性を確保するためのスクリーニングと画像処理を実施し、最終的に19,846枚の画像をデータセットに採用した。
• 作業者、材料、機械、レイアウト要素の15の事前に定義されたカテゴリを用いて、すべてのオブジェクトをアノテーションした。
• 分類ラベル付きのバウンディングボックスアノテーションを採用し、オブジェクト検出のトレーニングと評価を支援した。
• データセットの有用性を検証するために、2つの最先端のYOLOベースのモデル（YOLOv3およびYOLOv4）を用いて評価を実施した。
• データセットの多様性と規模を示す統計的分析を実施し、現実の建設シナリオにおける代表性を確認した。

実験結果

リサーチクエスチョン

• RQ1 建設現場の画像から構成される大規模かつ多様なデータセットは、ディーブラーニングベースのオブジェクト検出モデルの効果的な学習を可能にするか？
• RQ2 SODAデータセットを用いた建設分野特化のオブジェクト検出タスクにおいて、標準的なYOLOベースのモデルの性能はどのように一般化されるか？
• RQ3 SODAに含まれる現場の状況、オブジェクトカテゴリ、視点の多様性が、モデルのロバストネスと正確性をどの程度向上させるか？
• RQ4 SODAデータセットは、将来的なアルゴリズム開発と評価のための信頼できるベンチマークを提供するか？

主な発見

• SODAデータセットは、15の建設関連カテゴリにまたがる286,201個のアノテーション付きオブジェクトを含む19,846枚の高品質な画像から構成される。
• 現場の状況、天候、建設段階、視点の多様性が高く、モデルの一般化可能性を向上させる。
• YOLOv4を用いた評価で、最大の平均平均精度（mAP）81.47%を達成し、高パフォーマンスなモデルの学習に適していることが示された。
• 統計的分析により、オブジェクトカテゴリ間での分布のバランスが良く、現実の建設の多様性をしっかり反映していることが確認された。
• 本データセットは、建設現場オブジェクト検出分野における新たなパフォーマンスベンチマークを確立し、将来的なアルゴリズムの標準的評価を可能にした。
• SODAのオープンソース化により、再現可能な研究が促進され、AI駆動の建設現場監視分野におけるイノベーションが加速した。