Design of an Efficient Object Detection Algorithm for Traffic Accident Recognition

Résumé Technique : Conception d'un algorithme de détection d'objets efficace pour la reconnaissance des accidents de la route

Énoncé du problème
La densité croissante du trafic urbain et la complexité des environnements routiers ont révélé des limitations significatives des méthodes existantes de détection des accidents de la route. Le signalement manuel traditionnel est souvent retardé, inexact ou totalement omis, particulièrement dans les scénarios impliquant des victimes inconscientes, des conditions nocturnes ou des zones reculées, manquant ainsi la « période d'or du sauvetage » critique. Bien que les modèles de deep learning comme YOLO11n offrent de fortes capacités de détection, ils peinent face aux scénarios de trafic complexes caractérisés par l'occlusion, un flux de véhicules dense et des conditions météorologiques défavorables. De plus, l'architecture originale de YOLO11n souffre d'un nombre élevé de paramètres et d'un coût de calcul important, rendant difficile le déploiement efficace en temps réel sur des dispositifs de bord (tels que les terminaux embarqués dans les véhicules et les unités de bord de route). Les méthodes alternatives existantes échouent souvent à équilibrer précision et efficacité légère ou manquent d'adaptabilité aux arrière-plans complexes.

Méthodologie
Pour relever ces défis, les auteurs proposent le SDD-YOLO11n, un algorithme de détection d'objets amélioré et léger basé sur l'architecture YOLO11n. La méthodologie se concentre sur trois modifications structurelles primaires pour améliorer la vitesse d'inférence, réduire la charge de calcul et améliorer la représentation des caractéristiques dans des conditions difficiles :

1. Backbone ShuffleNetV2 : Le backbone original est remplacé par ShuffleNetV2. Ce module utilise des convolutions de groupe ponctuelles (pointwise grouped convolutions) et des mécanismes de mélange de canaux (channel shuffle). En divisant les cartes de caractéristiques d'entrée en sous-groupes et en les convoluant séparément, le modèle réduit considérablement le nombre de paramètres et la complexité computationnelle (à 1/n de l'original). L'opération de mélange de canaux facilite l'échange d'informations entre les groupes, évitant le blocage de l'information et maintenant une haute précision de détection tout en garantissant une faible complexité de calcul adaptée aux dispositifs de bord.
2. Module de sous-échantillonnage DW_ADown : Pour atténuer la perte d'information et la redondance de calcul dans les couches de sous-échantillonnage traditionnelles, les auteurs introduisent le module DW_ADown. Ce module intègre les concepts d'ADown et de convolution de profondeur (DWConv). Il remplace les convolutions standards par des convolutions séparables en profondeur (composées de convolutions de profondeur et ponctuelles) et incorpore une structure ADown qui divise les cartes de caractéristiques, les traite via un pooling moyen, une convolution avec foulée (stride) de 3×3 et un max pooling, puis concatène les branches. Cette conception préserve les capacités d'extraction de caractéristiques spatiales tout en minimisant la perte d'information et en réduisant la charge de calcul.
3. Amélioration des caractéristiques DS_SENetV2 : Le module SPPF (Spatial Pyramid Pooling Fast) original est remplacé par DS_SENetV2. Ce module combine l'agrégation de caractéristiques multi-échelles de SPPF avec des convolutions séparables en profondeur et une architecture SENetV2 améliorée. Il emploie un mécanisme de Squeeze-and-Excitation (SE) pour recalibrer de manière adaptative les réponses de caractéristiques par canal. En modélisant les dépendances inter-canaux, le module renforce la capacité du réseau à capturer des connaissances contextuelles globales et des motifs de canaux, améliorant ainsi la représentation des caractéristiques et la robustesse face au bruit de fond et à l'occlusion.

Contributions clés

• Architecture légère : L'intégration de ShuffleNetV2, DW_ADown et DS_SENetV2 crée un modèle qui réduit considérablement la complexité de calcul et la taille des paramètres sans sacrifier la performance de détection.
• Généralisation accrue : Les modules proposés ciblent spécifiquement la réduction de la perte d'information lors du sous-échantillonnage et l'amélioration de la représentation des caractéristiques dans des conditions météorologiques complexes et d'occlusion.
• Déploiement prêt pour l'Edge : L'algorithme est explicitement conçu pour répondre à la double exigence de performance en temps réel et de haute précision sur des dispositifs de bord aux ressources limitées.

Résultats expérimentaux
Le modèle a été évalué sur un ensemble de données VADV traité contenant 9 787 images d'accidents de la route et de véhicules standards, augmenté de scénarios impliquant de la pluie, une faible luminosité et une occlusion dense. Les résultats démontrent les améliorations suivantes par rapport au modèle de base YOLO11n :

• Précision : La précision moyenne (mAP@0.5) s'est améliorée de 1,3 % (passant de 0,811 à 0,824).
• Efficacité : Le nombre de paramètres a été réduit de 69,1 % (de 2,59M à 0,80M) et les FLOPs ont diminué de 65,6 % (de 6,4G à 2,2G).
• Vitesse : Le modèle a maintenu un taux de rafraîchissement de 70,9 FPS, ce qui, bien qu'un peu inférieur au YOLO11n original (75 FPS), reste largement dans les exigences de détection en temps réel.
• Performance comparative : Comparé aux modèles dominants tels que YOLOv8, YOLOv9 et SSD, le SDD-YOLO11n a obtenu une précision supérieure ou comparable avec nettement moins de paramètres et des coûts de calcul inférieurs. Par exemple, par rapport à SSD, il a amélioré le mAP@0.5 de 1,0 % et a augmenté la vitesse d'inférence d'environ 2,7 fois. Les comparaisons visuelles ont confirmé que le SDD-YOLO11n obtient des scores de confiance plus élevés et moins de détections manquées ou de faux positifs que les modèles concurrents dans les scénarios de test.

Signification et limites
L'article affirme que le SDD-YOLO11n offre un excellent équilibre entre précision de détection et efficacité de calcul, ce qui le rend très adapté à la détection d'accidents de la route en temps réel dans des environnements complexes où le déploiement sur l'Edge est nécessaire. Le modèle démontre une stabilité supérieure lors de l'entraînement et de fortes capacités de généralisation.

Cependant, les auteurs reconnaissent modestement certaines limites : l'ensemble de données actuel ne comprend pas une catégorisation détaillée des types d'accidents spécifiques. Des travaux futurs sont prévus pour se concentrer sur le déploiement du réseau sur des dispositifs embarqués réels et sur l'affinage de l'ensemble de données avec des classifications d'accidents plus granulaires. L'étude souligne que, bien que le modèle soit hautement efficace, son application est actuellement limitée par le périmètre des données annotées disponibles.