Amir Zamani氏とZeinab Ghasemi-Naraghi氏は9月23日(現地時間)、エッジデバイスでのリアルタイム微小物体検出に特化した新たな軽量フレームワーク「クロススケール・チャネルワイズ知識蒸留（Cross-Scale Channel-wise Knowledge Distillation、CSCWD）」に関する研究を、arXiv cs.CVで発表した。この手法は、航空画像における微小物体検出の課題に対応し、YOLO11m-P2ティーチャーモデルからYOLO11nスチューデントモデルへの高解像度空間表現転送を通じて、推論アーキテクチャの変更なく性能を向上させる。
CSCWDは、トレーニングプロセスにおいて高解像度空間表現を効率的に転送するフレームワークとして機能する。従来の手法が同一スケールでの特徴蒸留に焦点を当てるのに対し、CSCWDは特徴アライメント後にYOLO11m-P2ティーチャーモデルからYOLO11nスチューデントモデルのP3レベルへ教師信号を転送する。より深いピラミッドレベルでは、従来型の同一スケール蒸留が維持される。
「Drone-vs-Bird」検証プロトコルを用いた評価では、CSCWDを組み込んだYOLO11nモデル (YOLO11n-CSCWD) が、mAP@0.5（intersection-over-union閾値0.5における平均適合率）で50.17%、リコールで59.73%を達成した。これは、比較対象のCA-YOLO11nベースラインに対し、mAP@0.5で2.92パーセンテージポイント、リコールで3.55ポイントの改善に相当する。さらに、本手法におけるクロススケールアライメントの導入により、mAP@0.5は2.09ポイント向上した。
ターゲットドメインにおけるファインチューニングを一切行わない「DUT-Anti-UAV」データセットでのゼロショット評価では、mAP@0.5が48.29%から50.06%に増加した。ラズベリーパイ5 (Raspberry Pi 5) 上でNCNN-FP16を使用し、640x640ピクセルの解像度で実行した場合、258万個のパラメータを持つスチューデントモデルはmAP@0.5で50.32%を達成した。その際の平均ウォールクロックレイテンシは82.32ミリ秒（1秒あたり12.15フレーム）であり、対応するベースラインモデルとほぼ同等の実行時性能とメモリ要件を維持している。
参考: arXiv cs.CV (アーカイブ) — 2026年9月28日 13:00 (JST)
原文ハイライト"Cross-Scale Channel-wise Knowledge Distillation for Lightweight Tiny Object Detection on Edge Devices"