鉄道設備の効率的なアノテーションのためのFew-Shot物体検出AIモデルの性能評価

カテゴリ：研究会(論文単位)

論文No：VT25031,TER25098

グループ名：【D】産業応用部門 自動車/【D】産業応用部門 交通・電気鉄道合同研究会

発行日：2025/9/26

タイトル(英語)：Evaluating the Performance of a Few-Shot Object Detection Model for Efficient Annotation of Railway Infrastructure.

著者名：小室 翔嗣(鉄道総合技術研究所),向嶋 宏記(鉄道総合技術研究所),長峯 望(鉄道総合技術研究所)

著者名(英語)： Shoji Komuro(Railway Technical Research Institute),Hiroki Mukojima(Railway Technical Research Institute),Nozomi Nagamine(Railway Technical Research Institute)

キーワード：ＡＩ,物体検出,アノテーション,鉄道信号,鉄道標識,AI,Object Detection,Annotation,Railway Signals,Railway Indicators

要約(日本語)：鉄道分野の物体検出では、標識や沿線設備など固有の対象が多く、公開データセットでは対応が困難で独自のアノテーションが必要となる。本研究では、将来的な疑似ラベリングを活用した効率的なアノテーションに向け、その初期段階としてFew-Shot検出可能なYOLOEを用い、少数の画像プロンプトから鉄道固有の設備に対する有効なアノテーション候補を得られるかを評価したため、その結果を報告する。

要約(英語)：In the field of railway object detection, many domain-specific targets such as indicator and trackside infrastructure make it difficult to rely on publicly available datasets, requiring the creation of custom annotations. This study aims to support efficient annotation through future pseudo-labeling approaches. As an initial step, we evaluate whether YOLOE, a few-shot object detection model, can generate valid annotation candidates for railway-specific infrastructures based on a small number of visual prompt images and report the results.

本誌：2025年9月29日自動車/交通・電気鉄道合同研究会

本誌掲載ページ：103-108p

原稿種別：日本語

PDFファイルサイズ：1,805Kバイト