[論文レビュー] Automatic Signboard Detection from Natural Scene Image in Context of Bangladesh Google Street View

Md. Sadrul Islam Toaha, Chowdhury Rafeed Rahman+4 more|arXiv (Cornell University)|Mar 4, 2020

Vehicle License Plate Recognition被引用数 5

ひとこと要約

本論文では、低品質なバングラデシュのGoogleストリートビュー画像における看板検出を正確に行うために、新規のデータセットBSVSOと、スマートな画像処理とハイパラメータ最適化済みFaster R-CNNを組み合わせたハイブリッド手法を提案する。この手法は、重複する物体や誤検出が生じる複雑なシーンにおいても検出性能を向上させ、統計的にチューニングされたハイパーパrameterのおかげでベースラインバージョンを上回る優れた性能を達成する。

ABSTRACT

Automatic signboard region detection is the first step of information extraction about establishments from an image, especially when there is a complex background and multiple signboard regions are present in the image. Automatic signboard detection in Bangladesh is a challenging task because of low quality street view image, presence of overlapping objects and presence of signboard like objects which are not actually signboards. In this research, we provide a novel dataset from the perspective of Bangladesh city streets with an aim of signboard detection, namely Bangladesh Street View Signboard Objects (BSVSO) image dataset. We introduce a novel approach to detect signboard accurately by applying smart image processing techniques and statistically determined hyperparameter based deep learning method, Faster R-CNN. Comparison of different variations of this segmentation based learning method have also been performed in this research.

研究の動機と目的

• バングラデシュの低解像度でごみだらけのストリートビュー画像における看板検出の課題に対処すること。
• バングラデシュ都市環境の視覚的特徴に特化した、文脈に適した新規データセット（BSVSO）を作成すること。
• 画像処理技術とハイパーパrameter最適化済みFaster R-CNNモデルを組み合わせることで、検出精度を向上させること。
• 看板検出のためのセグメンテーションベースのディープラーニングアプローチの異なるバージョンを評価・比較すること。

提案手法

• 研究者たちは、バングラデシュの都市部の実際のGoogleストリートビュー画像から、バングラデシュ・ストリートビュー・サインボード・オブジェクト（BSVSO）データセットを構築した。
• ディープラーニング処理の前段階で、画像品質の向上とノイズ低減のための前処理技術を適用した。
• 最適なパフォーマンスを得るために、統計的分析を用いてハイパーパrameterをチューニングしたFaster R-CNNモデルを採用した。
• この手法は、領域提案ネットワーク（RPNs）と領域別分類を活用して、看板領域を検出する。
• 複数のFaster R-CNNモデルのバージョンを訓練し、最も効果的な構成を特定するために比較した。
• このアプローチは、複雑な背景における類似する物体（例：ポスター、広告）と実際の看板を区別することに焦点を当てている。

実験結果

リサーチクエスチョン

• RQ1 提案されたハイブリッド手法は、低品質でごみだらけのバングラデシュのストリートビュー画像における看板検出にどの程度効果的か？
• RQ2 BSVSOデータセットは、一般的なデータセットと比較して、看板検出性能をどの程度向上させるか？
• RQ3 この文脈において、Faster R-CNNモデルのどのバージョンが最高の検出精度を達成するか？
• RQ4 統計的に決定されたハイパーパラメータは、実際の都市環境におけるモデルのパフォーマンスにどのように影響を与えるか？

主な発見

• 最適化されたハイパーパラメータのおかげで、提案手法はベースラインのFaster R-CNNバージョンよりも高い検出精度を達成した。
• BSVSOデータセットは、バングラデシュの都市環境における看板検出の視覚的多様性と課題を効果的に捉えている。
• 画像前処理は、背景のごみや誤検出から看板を識別するモデルの能力を顕著に向上させた。
• 重複や隠蔽がある複雑なシーンにおいて、ハイブリッドアプローチは標準的なディープラーニングモデルを上回った。