Trajectory-Aware Adaptive Inference in Object Detection Models

Riepilogo Tecnico: Inferenza Adattiva Consapevole della Traiettoria nei Modelli di Rilevamento Oggetti

Enunciato del Problema
L'integrazione di sensori nella navigazione marittima autonoma ha generato dataset multimodali su larga scala, creando la necessità di una percezione in tempo reale efficiente. Sebbene il rilevamento degli oggetti e la percezione della traiettoria siano strettamente accoppiati in ambienti dinamici come la navigazione marittima, l'efficienza inferenziale dei modelli di rilevamento degli oggetti è spesso trascurata. I rilevatori standard, come la famiglia YOLO, applicano uno sforzo computazionale uniforme a tutti gli input indipendentemente dalla difficoltà della scena. Questo approccio statico è subottimale per ambienti con risorse limitate (ad esempio, Veicoli di Superficie Autonomi o ASV) dove la latenza e l'efficienza energetica sono critiche. I metodi di inferenza adattiva esistenti, come le reti neurali a uscite multiple, si basano tipicamente su segnali di confidenza interni al modello (ad esempio, entropia o probabilità softmax) piuttosto che su dati contestuali esterni. Di conseguenza, esiste la necessità di una strategia inferenziale che sfrutti i dati di traiettoria esterni per regolare dinamicamente il carico computazionale in base alla complessità della scena.

Metodologia
Gli autori propongono un Framework di Inferenza Adattiva Consapevole della Traiettoria che integra i dati di traiettoria GPS nel processo inferenziale di un rilevatore basato su YOLOv8. La metodologia consta di tre fasi principali:

1. Adattamento del Rilevatore e Affinamento Consapevole della Scala:

   • Il modello base YOLOv8 viene affinato su un dataset marittimo.
   • Riconoscendo che YOLOv8 possiede una struttura implicita a uscite multiple tramite le sue tre teste di rilevamento (P3, P4, P5) che operano a scale diverse, gli autori trattano queste teste come potenziali punti di uscita.
   • Viene impiegata una strategia di tasso di apprendimento consapevole della scala. Le caselle di delimitazione nei dati di addestramento sono categorizzate per dimensione (piccola, media, grande). I tassi di apprendimento sono assegnati a ciascuna testa di rilevamento in base alla frequenza e alla difficoltà delle dimensioni degli oggetti corrispondenti nel dataset. Le teste associate a dimensioni di oggetti sovrarappresentate o impegnative ricevono tassi di apprendimento più elevati per garantire una specializzazione appropriata.

2. Stima della Difficoltà Basata sulla Traiettoria:

   • Invece di affidarsi alla confidenza interna, il sistema utilizza segnali di movimento esterni derivati da dati GPS sincronizzati.
   • Vengono calcolate due metriche chiave per ogni fotogramma (o finestra di un secondo):
     • Distanza inter-navale ($d_t$): Calcolata utilizzando la formula di Haversine.
     • Velocità di avvicinamento ($v_t$): Il tasso con cui la distanza tra oggetti in movimento diminuisce nel tempo.
   • Queste metriche fungono da proxy per la "difficoltà della scena". Gli scenari con navi ravvicinate e alti tassi di convergenza sono considerati complessi, mentre gli scenari ben separati e a movimento lento sono considerati semplici.

3. Controllo dell'Inferenza Adattiva (Politica di Uscita Anticipata):

   • Una politica condizionale determina quali teste di rilevamento attivare:
     • Bassa Complessità: Se $d_t > \tau_1$ (ad esempio, 30m) E $v_t < \tau_2$ (ad esempio, 0.5 m/s), viene attivata solo l'alta risoluzione testa P3.
     • Alta Complessità: Altrimenti, viene eseguito il modello completo (teste P3, P4 e P5).
   • Questo approccio consente al sistema di bypassare le parti computazionalmente costose della rete quando i dati di traiettoria indicano un ambiente a basso rischio e bassa complessità.

Contributi Chiave

• Inferenza Adattiva Multimodale: L'integrazione di dati di mobilità (traiettorie GPS) con la visione artificiale per guidare l'allocazione delle risorse computazionali, andando oltre l'uscita anticipata basata sulla confidenza.
• Affinamento Consapevole della Scala: Una metodologia per modulare i tassi di apprendimento per testa di rilevamento in base alla distribuzione geometrica delle dimensioni degli oggetti nel dominio target, ottimizzando le teste per un funzionamento indipendente.
• Validazione Empirica: Una valutazione completa del modello YOLOv8 proposto, fornendo approfondimenti sui compromessi latenza-accuratezza per testa e dimostrando l'efficacia del controllo inferenziale guidato dalla traiettoria.

Risultati Sperimentali
Il framework è stato valutato utilizzando un dataset composto da video sincronizzati provenienti da telecamere a bordo degli ASV e dati di traiettoria GPS dalle stesse piattaforme (250 record GPS, 3.686 fotogrammi video).

• Prestazioni delle Teste: La valutazione indipendente delle teste di rilevamento ha rivelato che la testa P4 (scala media) domina i conteggi di rilevamento e ottiene le prestazioni autonome più elevate (mAP@50) tra le varianti del modello (Nano, Small, Medium). La testa P3 ha mostrato una maggiore sensibilità agli oggetti piccoli nei modelli più grandi.
• Efficienza Computazionale: L'attivazione di singole teste ha prodotto risparmi significativi in FLOPs (dall'18% all'33% a seconda della testa e della dimensione del modello) e accelerazioni (fino a 1,61x per P3 nel modello Nano).
• Prestazioni della Strategia Adattiva: In uno scenario marittimo realistico con soglie impostate a 30m di distanza e 0,5 m/s di velocità di avvicinamento:
  • 3.027 fotogrammi su 3.686 (circa l'82%) sono stati elaborati utilizzando solo la testa P3.
  • La latenza mediana di inferenza è scesa da 10,097 ms/fotogramma (modello completo) a 6,686 ms/fotogramma (solo P3).
  • Il tempo di elaborazione totale per la sequenza video è diminuito da un previsto 37,22 secondi a 26,89 secondi.
  • La strategia ha mantenuto prestazioni di tracciamento efficaci, bilanciando con successo la ridotta latenza con un'accuratezza di rilevamento accettabile.

Significato e Affermazioni
Il documento afferma che il framework proposto offre un compromesso flessibile tra accuratezza ed efficienza, rendendolo particolarmente adatto per applicazioni in tempo reale e con risorse limitate come la navigazione marittima autonoma. Sfruttando segnali di traiettoria esterni, il sistema raggiunge un calcolo adattivo all'input senza richiedere una complessa modellazione della confidenza interna. Gli autori notano che, sebbene l'approccio riduca significativamente l'overhead di elaborazione e la latenza, preserva le prestazioni predittive in ambienti dinamici.

Lavori Futuri
Gli autori suggeriscono direzioni future tra cui:

• Generalizzare il metodo ad architetture alternative (ad esempio, DETR).
• Testare la robustezza in condizioni difficili (maltempo, rumore dei sensori, scarsa visibilità).
• Incorporare mappature esplicite tra coordinate GPS e coordinate dell'immagine per migliorare ulteriormente la fusione di informazioni di traiettoria e visive.