YOLO 検出器向け構造認識 PEFT 手法「YOLO-PEFT」を提案

記事の3ポイント

1. 1

   構造化されたアダプター配置の提案

   言語モデル由来の汎用手法がリアルタイム検出器で失敗する問題を解決するため、アダプター配置を監査可能な制約計画問題として定式化したフレームワーク「YOLO-PEFT」を提案した。

2. 2

   明示的な評価と拒否機能

   オペレータの妥当性やデプロイメント条件を評価し、予算超過や適合しない場合はトレーニング前に計画を拒否する「Refuse」機能を備えている。

3. 3

   性能向上とメモリ削減の実証

   YOLO11sおよびYOLO12sにおいて従来のフル微調整を上回るmAP50-95スコアを達成し、LoRA採用によりピークトレーニングメモリの使用量を43.9%削減した。