[論文レビュー] 2nd Place Solution for Waymo Open Dataset Challenge -- 2D Object Detection

Sijia Chen, Yu Wang+5 more|arXiv (Cornell University)|Jun 28, 2020

Advanced Neural Network Applications参考文献 13被引用数 6

ひとこと要約

この論文は、2022年Waymo Open Dataset 2Dオブジェクト検出チャレンジにおける2位のソリューションを提示する。2段階検出器（Cascade R-CNN）とアンカーフリー設計を有する1段階検出器（CenterNet）を組み合わせ、検出結果をグリーディー自動アンサンブルおよびモデル固有の統合戦略（Adj-NMS、WBF）で統合している。テストセットでは70.28 L2 mAPを達成した。

ABSTRACT

A practical autonomous driving system urges the need to reliably and accurately detect vehicles and persons. In this report, we introduce a state-of-the-art 2D object detection system for autonomous driving scenarios. Specifically, we integrate both popular two-stage detector and one-stage detector with anchor free fashion to yield a robust detection. Furthermore, we train multiple expert models and design a greedy version of the auto ensemble scheme that automatically merges detections from different models. Notably, our overall detection system achieves 70.28 L2 mAP on the Waymo Open Dataset v1.2, ranking the 2nd place in the 2D detection track of the Waymo Open Dataset Challenges.

研究の動機と目的

• 自律走行用にWaymo Open Datasetを用いた堅牢で高精度な2Dオブジェクト検出システムの開発を目的とする。
• 2段階（Cascade R-CNN）と1段階（CenterNet）の検出器の相補的な強みを組み合わせることで、検出性能を向上させることを目的とする。
• 検証データにおけるmAPを最大化するように、効率的なアンサンブル戦略を用いて複数モデルからの検出結果を自動で統合することを目的とする。
• 専門的なモデル特化を用いて、混雑したシーンや低照度状況などの多様な状況における検出課題に対処することを目的とする。
• Waymo Open Dataset 2D検出トラックで最先端の性能を達成し、全体で2位の順位を獲得することを目的とする。

提案手法

• ラベルスムージング、マルチスケール学習、クラス認識ソフトNMSを適用したCascade R-CNN検出器を訓練し、局所化精度と一般化性能を向上させた。
• 特定のサブセット（昼間、夜間、歩行者・自転車専用）で複数のエキスパートモデルを微調整し、困難な状況下での検出性能を向上させた。
• ガウスカーネル符号化を用いたCenterNetベースの1段階検出器を採用し、小形および混雑したオブジェクトの処理を改善した。
• 検証mAPに基づいて動的に検出グループを統合するグリーディー自動アンサンブル（GAE）フレームワークを実装し、2分木構造とNMS変種を含む統合操作を用いた。
• 8つのCenterNetモデルからの検出結果を統合するために重み付きボックス統合（WBF）を用い、車両および歩行者クラスの統合にはAdj-NMSを適用した。
• 推論時にマルチスケールテストと水平反転を適用し、画像の変動に強い性能を向上させた。

実験結果

リサーチクエスチョン

• RQ1 2段階および1段階の検出フレームワークを効果的に組み合わせることで、Waymo Open Datasetにおける2Dオブジェクト検出性能をどのように向上させられるか？
• RQ2 手動チューニングなしでmAPを最大化するように、複数モデルからの検出結果を自動で統合する最適な戦略は何か？
• RQ3 ドメイン固有のデータ（例：夜間、歩行者が多いシーン）で訓練されたエキスパートモデルを用いることで、特定のオブジェクトクラスの検出精度を顕著に向上させられるか？
• RQ4 検証データに依存するグリーディーで自動的なアンサンブル戦略は、標準的なアンサンブル手法と比較して性能および探索効率の点でどのように差がつくか？
• RQ5 各コンポーネント（例：ソフトNMS、マルチスケールテスト、エキスパートモデル）が最終的な検出mAPに果たす寄与度は何か？

主な発見

• ラベルスムージングを適用したベースラインのCascade R-CNNは、ミニ検証セットで59.71 AP/L2を達成し、強力な基礎的性能を示した。
• クラス認識ソフトNMSとマルチスケールテストを適用することで、Cascade R-CNNのベースラインは61.04 AP/L2に向上し、推論時後処理の影響を実証した。
• エキスパートモデルを用いたグリーディー自動アンサンブル（GAE）により、性能は63.28 AP/L2に向上し、動的モデル統合の有効性を裏付けた。
• Cascade R-CNNとCenterNetの検出結果を統合することで、CenterNet単体と比較してmAPが1.44ポイント向上し、2つのフレームワークの相補性を確認した。
• 最終的なシステムはテストセットで70.28 AP/L2を達成し、Waymo Open Dataset 2D検出チャレンジで2位を獲得した。
• ランクイン結果から、提案手法は他の上位エントリーよりも顕著な優位性を示しており、RW-TSDet（74.43 AP/L2）およびSPNAS-Noah（69.43 AP/L2）を大きく上回った。