日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

物体検出arXiv:2605.08136

RT-DETRにおけるResNetバックボーンのベンチマーク:環境条件下での深さと正則化の影響

Benchmarking ResNet Backbones in RT-DETR: Impact of Depth and Regularization under environmental conditions

シェア:XThreadsFacebookLINEはてブBluesky

競技ロボティクス向けに、RT-DETRで円形物体検出を行う際、ResNetバックボーンの深さとドロップアウト率が照明や背景の変化にどう影響するかを比較評価した論文。

詳しい要約

1. どんなもの?

- RT-DETR の backbone に ResNet18/34/50/101 を用い、競技ロボティクスを想定した環境変化(照明・背景コントラスト)と dropout 率の影響を比較評価した研究。 - 円形物体の検出を対象に、confidence・accuracy・inference latency を指標として backbone の深さと正則化の効果を調べる。 - 同一設定で学習し、環境条件を変えて評価するベンチマークを提示。

2. 先行研究と比べてどこがすごい?

- transformer ベース検出器の既存文献は backbone スケールや環境設定の影響に関する情報が不足していると指摘。 - 本研究は RT-DETR に焦点を当て、ResNet backbone の深さと dropout を系統的に比較した点が新しい。 - 環境変化下での confidence と latency の挙動を分けて報告する点が先行研究と異なる。

3. 技術・手法の肝は?

- RT-DETR に 4 種類の ResNet backbone(ResNet18, ResNet34, ResNet50, ResNet101)を組み合わせる。 - dropout 率を変化させ、confidence と accuracy への影響を分析。 - 全モデルを同一 configuration で学習し、照明変化と背景コントラスト変化の条件下で評価。 - 推論 latency も計測し、性能と効率のトレードオフを比較。

4. どうやって有効だと検証した?

- 照明変化と背景コントラスト変化の環境条件下で全モデルを評価。 - 環境条件は主に prediction confidence に影響し、inference latency はほとんど影響を受けず、classification accuracy は多くの場合 1.00 付近かそれ以上と高いことを確認。 - 照明変化では ResNet50 が accuracy ほぼ完全、confidence 約 0.869、latency 約 0.058-0.059 ms で最良のトレードオフ。 - 背景変化では ResNet34 が accuracy ほぼ完全、confidence 約 0.887 で最もバランスが良いと報告。

5. 議論はある?

- 最適な architecture は環境変化の種類に依存し、中間深さのモデルが性能と効率の最良のバランスを提供すると結論。 - 環境条件が confidence に与える影響を重視すべき点を議論。 - ただし、照明・背景以外の環境要因や他 backbone への一般化については要旨からは不明。

6. 次に読むべき論文は?

- RT-DETR の原論文(DETR 系 transformer 検出器) - ResNet 原論文(ResNet18/34/50/101 の backbone 設計) - dropout 正則化に関する基礎研究 - 競技ロボティクス向け visual perception の環境ロバスト性評価に関する研究

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Pamela Barboza, Víctor Castelli, Belén Pereira, Ricardo Grando, Bruna de Vargas, Augusto Calfani

分類: cs.CV, cs.AI, cs.RO

原文アブストラクト

Visual perception plays a central role in competitive robotics, where environmental variations can directly affect real-time detection performance. The related literature on transformer-based detectors lack information regarding the impact of backbone scale and environmental settings on model performance. This work presents a comparative evaluation of RT-DETR for detecting round objects under environmental and hyperparameter variations relevant to competitive robotics. Four ResNet backbones (ResNet18, ResNet34, ResNet50, and ResNet101) were compared using dropout rates, analyzing their effect on confidence and accuracy. All models were trained under the same configuration and evaluated under changes in lighting and background contrast. Environmental conditions primarily impact prediction confidence, while inference latency remains largely unaffected and classification accuracy stays consistently high, approaching or above 1.00 in most cases. Two distinct behaviors were observed. Under illumination variation, ResNet50 achieves the best trade-off, combining near-perfect accuracy, confidence values up to approximately 0.869 and latency around 0.058-0.059 ms. Under background variation, ResNet34 provides the most balanced performance, reaching near-perfect accuracy and higher confidence values up to approximately 0.887. These results indicate that the optimal architecture depends on the type of environmental variation, with intermediate-depth models offering the best balance between performance and efficiency.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI