論文の概要: LTV-YOLO: A Lightweight Thermal Object Detector for Young Pedestrians in Adverse Conditions

• arxiv url: http://arxiv.org/abs/2601.11662v1
• Date: Thu, 15 Jan 2026 22:20:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:22.264675
• Title: LTV-YOLO: A Lightweight Thermal Object Detector for Young Pedestrians in Adverse Conditions
• Title（参考訳）: 若年者用軽量熱物体検出器LTV-YOLO
• Authors: Abdullah Jirjees, Ryan Myers, Muhammad Haris Ikram, Mohamed H. Zaki,
• Abstract要約: そこで本研究では,若年者を対象とした環境シナリオにおける軽量物体検出モデルを提案する。 提案手法では,LWIR(Long-wave Infrared Camera)カメラの熱画像を利用して,従来のRGBカメラが可視光域で動作しない状況において,検出信頼性を高める。 分離可能な畳み込みと特徴ピラミッドネットワーク(FPN)を統合することにより、LTV-YOLOは小型、部分的に閉塞された、熱的に異なるVRUを検出する上で、強力な性能を発揮する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Detecting vulnerable road users (VRUs), particularly children and adolescents, in low light and adverse weather conditions remains a critical challenge in computer vision, surveillance, and autonomous vehicle systems. This paper presents a purpose-built lightweight object detection model designed to identify young pedestrians in various environmental scenarios. To address these challenges, our approach leverages thermal imaging from long-wave infrared (LWIR) cameras, which enhances detection reliability in conditions where traditional RGB cameras operating in the visible spectrum fail. Based on the YOLO11 architecture and customized for thermal detection, our model, termed LTV-YOLO (Lightweight Thermal Vision YOLO), is optimized for computational efficiency, accuracy and real-time performance on edge devices. By integrating separable convolutions in depth and a feature pyramid network (FPN), LTV-YOLO achieves strong performance in detecting small-scale, partially occluded, and thermally distinct VRUs while maintaining a compact architecture. This work contributes a practical and scalable solution to improve pedestrian safety in intelligent transportation systems, particularly in school zones, autonomous navigation, and smart city infrastructure. Unlike prior thermal detectors, our contribution is task-specific: a thermally only edge-capable design designed for young and small VRUs (children and distant adults). Although FPN and depthwise separable convolutions are standard components, their integration into a thermal-only pipeline optimized for short/occluded VRUs under adverse conditions is, to the best of our knowledge, novel.
• Abstract（参考訳）: 脆弱な道路利用者(特に子供や青年)を低照度で悪天候で検出することは、コンピュータビジョン、監視、自動運転車システムにおいて重要な課題である。 そこで本研究では,若年者を対象とした環境シナリオにおける軽量物体検出モデルを提案する。 これらの課題に対処するために,LWIR(Long-wave Infrared Camera)カメラのサーマルイメージングを活用し,従来のRGBカメラが可視光域で動作しない状況における検出信頼性を高める。 LTV-YOLO (Lightweight Thermal Vision YOLO) は, YOLO11アーキテクチャをベースとして, エッジデバイス上での計算効率, 精度, リアルタイム性能に最適化されたモデルである。 分離可能な畳み込みと特徴ピラミッドネットワーク(FPN)を統合することにより、LTV-YOLOは、コンパクトなアーキテクチャを維持しながら、小型で部分的に隠蔽され、熱的に異なるVRUを検出する上で、強力な性能を実現する。 この研究は、インテリジェント交通システム、特に学校ゾーン、自律ナビゲーション、スマートシティインフラにおける歩行者の安全性を改善するための実用的でスケーラブルなソリューションに貢献している。 従来の熱検出器とは異なり、私たちの貢献はタスク固有のもので、若く小さなVRU(子供と遠く離れた大人)向けに設計された、熱的に唯一のエッジ対応設計です。 FPNと奥行き分離可能な畳み込みは標準的なコンポーネントであるが、悪条件下での短絡VRUに最適化されたサーマルオンリーパイプラインへの統合は、私たちの知る限りでは、新規である。

関連論文リスト

• HOTSPOT-YOLO: A Lightweight Deep Learning Attention-Driven Model for Detecting Thermal Anomalies in Drone-Based Solar Photovoltaic Inspections [0.685316573653194]
  HotSPOT-YOLOは、効率的な畳み込みニューラルネットワークバックボーンとアテンションメカニズムを統合して、オブジェクト検出を改善する軽量人工知能(AI)モデルである。 この研究は、再生可能エネルギーシステムにおける自動故障検出に革命をもたらす、高度なAI技術と実用的なエンジニアリングアプリケーションとの統合を強調している。
  論文  参考訳（メタデータ） (2025-08-26T10:35:24Z)
• Thermal Detection of People with Mobility Restrictions for Barrier Reduction at Traffic Lights Controlled Intersections [4.27128470319992]
  コンピュータビジョンのためのディープラーニングの急速な進歩は、RGBカメラベースの適応的な交通信号システムの採用を促している。 RGBカメラの使用は、悪天候や低視認性条件下での検知性能の制限など、重大な課題を呈している。 本稿では,歩行障害のある人や移動負担のある人に対して,信号の持続時間を動的に調整する,完全自動熱検知方式のトラヒックライトシステムを提案する。
  論文  参考訳（メタデータ） (2025-05-13T13:44:21Z)
• More Clear, More Flexible, More Precise: A Comprehensive Oriented Object Detection benchmark for UAV [58.89234732689013]
  CODroneは、現実の状況を正確に反映した、UAVのための包括的なオブジェクト指向オブジェクト検出データセットである。 また、下流のタスク要求に合わせて設計された新しいベンチマークとしても機能する。 我々は、CODroneを厳格に評価するために、22の古典的またはSOTA法に基づく一連の実験を行う。
  論文  参考訳（メタデータ） (2025-04-28T17:56:02Z)
• Low-Cost Infrared Vision Systems for Improved Safety of Emergency Vehicle Operations Under Low-Visibility Conditions [1.1031714356680165]
  本研究は、低視認性環境で運転する緊急車両の運転安全性を高めるための赤外線カメラ技術の可能性について検討する。 この評価は、制御された実験室実験、実世界のフィールドテスト、緊急車両運用者の調査を組み合わせたものである。 結果は、ドライバーの認識を高め、スケーラブルなデプロイメントのためにデータ駆動のレコメンデーションを提供するIR技術の有用性を強調している。
  論文  参考訳（メタデータ） (2025-04-18T21:06:41Z)
• Bringing RGB and IR Together: Hierarchical Multi-Modal Enhancement for Robust Transmission Line Detection [67.02804741856512]
  高速かつ高精度なTL検出のために,RGBとIRデータを統合したHMMEN(Hierarchical Multi-Modal Enhancement Network)を提案する。 提案手法では,(1)階層的RGBおよびIR特徴写像を大まかに融合・拡張するMMEB,(2)デコーダ出力とIR特徴写像の不整合を変形可能な畳み込みを利用して補正するFAB,の2つの重要な構成要素を紹介する。
  論文  参考訳（メタデータ） (2025-01-25T06:21:06Z)
• Real-Time Multi-Scene Visibility Enhancement for Promoting Navigational Safety of Vessels Under Complex Weather Conditions [48.529493393948435]
  この可視光カメラは、インテリジェントな水上輸送システムにおいて、海洋表面の容器に不可欠なイメージングセンサーとして登場した。 視覚画像の画質は、複雑な気象条件下での様々な劣化に必然的に悩まされる。 本研究では,異なる気象条件下で撮影された劣化画像を復元する汎用多場面可視性向上手法を開発した。
  論文  参考訳（メタデータ） (2024-09-02T23:46:27Z)
• Autonomous Payload Thermal Control [55.2480439325792]
  小さな衛星では、熱制御装置、科学機器、電子部品のスペースは少ない。 深部強化学習を用いた自律型熱制御ツールを提案する。 提案するフレームワークは,運用範囲の温度を維持するためにペイロード処理能力の制御を学べる。
  論文  参考訳（メタデータ） (2023-07-28T09:40:19Z)
• Meta-UDA: Unsupervised Domain Adaptive Thermal Object Detection using Meta-Learning [64.92447072894055]
  赤外線(IR)カメラは、照明条件や照明条件が悪ければ頑丈である。 既存のUDA手法を改善するためのアルゴリズムメタ学習フレームワークを提案する。 KAISTおよびDSIACデータセットのための最先端熱検出器を作成した。
  論文  参考訳（メタデータ） (2021-10-07T02:28:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。