OBJECT DETECTION DEVICE, OBJECT DETECTION METHOD, AND OBJECT DETECTION PROGRAM

• Main Authors: KOBAYASHI, Daisuke, UZAWA, Hiroyuki, NAKAMURA, Ken, OMORI, Yuya, NITTA, Koyo, HATTA, Saki, YOSHIDA, Shuhei
• Format: Patent
• Language: English; French; Japanese
• Published: 01.12.2022
• Subjects: CALCULATING; COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS; COMPUTING; COUNTING; IMAGE DATA PROCESSING OR GENERATION, IN GENERAL; PHYSICS

This object detection device is configured to: use the processing algorithm of a multi-layer neural network to which an input image is input to subject fixed-length data with a decimal point position to arithmetic processing corresponding to each of a plurality of layers constructing the multi-layer neural network; count an upper limit saturation count, which is the number of times of exceeding the upper limit value of the range defined by the decimal point position in the arithmetic processing, and a lower limit saturation count, which is the number of times of falling below the lower limit value of the range in the arithmetic processing; count the number of upper limit saturation layers, which is the number of layers at which the upper limit saturation count is equal to or larger than one, and count the number of lower limit saturation layers, which is the number of layers at which the lower limit saturation count is equal to or larger than one; change at least one of an upper limit saturation threshold value that is a threshold value for the upper limit saturation count and a lower limit saturation threshold value that is a threshold value for the lower limit saturation count if at least one of the upper limit saturation threshold value and the lower limit saturation threshold value is determined not to be optimal on the basis of the amount of change in the counted number of upper limit saturation layers and the amount of change in the counted number of lower limit saturation layers; and set a decimal point position for each of the plurality of layers on the basis of the determination result. Le dispositif de détection d'objet est conçu pour : utiliser l'algorithme de traitement d'un réseau de neurones artificiels multicouche dans lequel une image d'entrée est entrée pour soumettre des données de longueur fixe avec une position de point décimal à un traitement arithmétique correspondant à chaque couche d'une pluralité de couches formant le réseau de neurones artificiels multicouche ; calculer un taux de saturation de limite supérieure, qui est le nombre de fois où celui-ci dépasse la valeur de limite supérieure de la plage définie par la position de point décimal dans le traitement arithmétique, et un taux de saturation de limite inférieure, qui est le nombre de fois où celui-ci tombe en dessous de la valeur de limite inférieure de la plage dans le traitement arithmétique ; compter le nombre de couches de saturation de limite supérieure, qui est le nombre de couches auquel le taux de saturation de limite supérieure est égal ou supérieur à un, et compter le nombre de couches de saturation de limite inférieure, qui est le nombre de couches auquel le taux de saturation de limite inférieure est égal ou supérieur à un ; modifier une valeur de seuil de saturation de limite supérieure qui est une valeur de seuil pour le taux de saturation de limite supérieure et/ou une valeur de seuil de saturation de limite inférieure qui est une valeur de seuil pour le taux de saturation de limite inférieure si la valeur de seuil de saturation de limite supérieure et/ou la valeur de seuil de saturation de limite inférieure est déterminée de façon à ne pas être optimale sur la base de la grandeur de variation dans le nombre compté de couches de saturation de limite supérieure et de la grandeur de variation dans le nombre compté de couches de saturation de limite inférieure ; et définir une position de point décimal pour chaque couche de la pluralité de couches sur la base du résultat de détermination. 物体検出装置は、入力画像が入力される多層ニューラルネットワークの処理アルゴリズムに従って、多層ニューラルネットワークを構成する複数の層の各々に対応する演算処理を、小数点位置が設定された固定長データに対して行い、演算処理において、小数点位置によって定まる値域の上限値を上回った回数である上限飽和回数及び値域の下限値を下回った回数である下限飽和回数をカウントし、上限飽和回数が１回以上となった層の数である上限飽和層数及び下限飽和回数が１回以上となった層の数である下限飽和層数をカウントし、カウントした上限飽和層数の変化量及び下限飽和層数の変化量に基づいて、上限飽和回数の閾値である上限飽和閾値及び下限飽和回数の閾値である下限飽和閾値の少なくとも一方が最適でないと判定した場合に、上限飽和閾値及び下限飽和閾値の少なくとも一方を変更し、判定結果に基づいて、複数の層の各々に対して小数点位置を設定する。