(2020/07/16) 自分が参考にするための備忘録として記述．
私より詳しい人がいましたら，代わりに書いてください．

SqueezeDet

安全な自動運転を実現するためには，物体検出は必須の技術である．環境内の歩行者，サイクリスト，道路標識といった物体をリアルタイムに認識する必要がある．モデルは，GPUよりも電力消費が少ない，組み込みプロセッサで動作することが望ましい．

自動運転における物体認識での要件：

SqueezeDet：YOLOの構造をベースに，SqueezeNetを用いたもの．

（SqueezeNetは，AlexNetレベルの正答率を保ちつつ，サイズを小さくしたモデル）

メモ：ここで言うYOLOの構造とは，end-to-end のこと（多分）

YOLO同様に，1つのネットワークで，領域検出と分類を行う．入力画像を低解像度・高次元の特徴マップを抽出する．その後，特徴マップをConvDetに与える．

confidence score を次のように定義する：

$$ Pr(Object) * IOU_{truth}^{pred} $$

また，Bounding Box の座標推定の指標として，

$$ \max_c Pr(class_c | Object) * Pr(Object) * IOU_{truth}^{pred} $$

を用いる．

この指標を用いて，top-N の Bounding Box を選び，冗長な Bounding Box を除いて検出結果とする．

ConvDet の部分は，VGG16 や ResNet といった，一般の CNN アーキテクチャを用いることができる（論文では，"backbone" アーキテクチャとしている）．モデルサイズと消費電力の観点から，ここに SqueezeNet を適用する．

この研究では，2種類の SqueezeNet アーキテクチャを用いた．

Squeeze Ratio = 0.125 のアーキテクチャ
- ImageNet-1k top-5 accuracy: 80.3%
- 以降，これをバックボーンに用いた検出器を SqueezeDet とする
Squeeze Ratio = 0.75 のアーキテクチャ
- ImageNet-1k top-5 accuracy: 86.0%
- 以降，これをバックボーンに用いた検出器を SqueezeDet+ とする

ImageNet で事前学習し，頭に fire module を2つ追加して使用．

KITTI データセットによる実験を通じた性能評価．

モデルサイズ，推論速度（1データあたり）では SqueezeDet が優れる．
同じパフォーマンスを，30.4倍小さいモデルサイズ, 19.7倍の推論速度，35.2倍小さい消費電力で実現した.

Design space explorationについて: 時間があれば追記する

参考

mAP, IOU: 【物体検出】mAP ( mean Average Precision ) の算出方法