マルチスケール処理を用いた列車前方監視における物体検出ＡＩの高速化に関する検討

カテゴリ：研究会(論文単位)

論文No：VT25045,ITS25036,TER25112

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

発行日：2025/11/2

タイトル(英語)：Study on Speeding up Object Detection AI for Train Front Surveillance using Multi-scale Processing

著者名：柴田 孝之(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)： Takayuki Shibata(Railway Technical Research Institute),Hiroki Mukojima(Railway Technical Research Institute),Nozomi Nagamine(Railway Technical Research Institute)

キーワード：ＡＩ,列車前方画像,ディープラーニング,計算時間,Artificial Intelligence,Train Forward Image,Deep Learning,Computational Demand

要約(日本語)：運転士の支援や将来のドライバレス運転に向けて、列車前方の支障物を検出する技術は重要な役割を担うと考えられる。一方で、近年のAI技術の性能向上に伴い、高解像度画像の推論に必要とされる計算時間は増大しており、実装上の課題となりうる。本研究では、高解像度な前方画像に対して、線路に沿って距離が遠くなるという特性を利用しマルチスケールで処理をすることで高速化を図る方法を検討したため、その結果を報告する。

要約(英語)：The detection of obstacles ahead of trains is essential for supporting train operators and facilitating future driverless operations. However, recent advancements in AI have increased the computational demands of high-resolution image inference, which may pose implementation challenges. This study investigates a multi-scale processing approach that leverages track-distance characteristics to accelerate high-resolution image analysis.

本誌：2025年11月5日自動車/ＩＴＳ/交通・電気鉄道合同研究会

本誌掲載ページ：43-48p

原稿種別：日本語

PDFファイルサイズ：3,061Kバイト