[論文レビュー] BING++: A Fast High Quality Object Proposal Generator at 100fps

Ziming Zhang, Yun Liu+3 more|arXiv (Cornell University)|Nov 14, 2015

Advanced Neural Network Applications参考文献 51被引用数 20

ひとこと要約

BING++ は、エッジ特徴量と距離変換を用いて境界ボックスを再帰的に精錬することで、BING の効率性と局所化精度を向上させた高速で高品質なオブジェクト候補生成手法であり、VOC2007 で 100fps で 0.009 秒/画像の平均推論時間、95.3% の検出再現率、68.7% の mAP を達成している。

ABSTRACT

We are motivated by the need for an object proposal generation algorithm that achieves a good balance between proposal localization quality, object recall and computational efficiency. We propose a novel object proposal algorithm {\em BING++} which inherits the good computational efficiency of BING \cite{BingObj2014} but significantly improves its proposal localization quality. Central to our success is based on the observation that good bounding boxes are those that tightly cover objects. Edge features, which can be computed efficiently, play a critical role in this context. We propose a new algorithm that recursively improves BING's proposals by exploiting the fact that edges in images are typically associated with object boundaries. BING++ improves proposals recursively by incorporating nearest edge points (to proposal boundary pixels) to obtain a tighter bounding box. This operation has linear computational complexity in number of pixels and can be done efficiently using distance transform. Superpixel merging techniques are then employed as post-processing to further improve the proposal quality. Empirically on the VOC2007 dataset, using $10^3$ proposals and IoU threshold 0.5, our method achieves 95.3\% object detection recall (DR), 79.2\% mean average best overlap (MABO), and 68.7\% mean average precision (mAP) on object detection over 20 object classes within an average time of {\bf 0.009} seconds per image.

研究の動機と目的

• 局所化精度、オブジェクト再現率、計算効率のバランスをとった高速で高品質なオブジェクト候補アルゴリズムのニーズに対応すること。
• BING の局所化性能を向上させつつ、その計算速度を維持すること。
• エッジ特徴量と距離変換を活用し、オブジェクトの境界に沿って境界ボックスの候補をタイトにすること。
• 再帰的精錬とスーパーピクセルベースの後処理を組み合わせることで、候補の品質を向上させること。
• 高速な推論速度を維持しながら、オブジェクト検出の再現率と平均平均精度（mAP）で最先端のパフォーマンスを達成すること。

提案手法

• 境界ボックスの境界ピクセルに最も近いエッジポイントを組み込むことで、初期の BING 候補を再帰的に精錬し、境界ボックスをタイトにすること。
• 各境界ピクセルに最も近いエッジポイントを効率的に計算するため、距離変換を活用し、ピクセル数に比例する線形計算量を確保すること。
• エッジ特徴量をオブジェクトの境界の代理として利用し、エッジが通常、オブジェクトの輪郭と一致することを活用すること。
• 後処理段階でスーパーピクセル統合技術を適用し、さらに候補の品質を向上させるとともに、重複を低減すること。
• エッジに配慮した精錬と効率的な距離変換を統合することで、リアルタイム性能を維持しながら局所化精度を向上させること。

実験結果

リサーチクエスチョン

• RQ1 エッジの近接度を用いた再帰的精錬は、オブジェクト候補生成における境界ボックスの局所化品質を向上させることができるか？
• RQ2 距離変換されたエッジ特徴量を組み込むことで、速度を損なわずにタイトでより正確な候補が得られるか？
• RQ3 初期の精錬後にスーパーピクセル統合を適用することで、どれほど候補の品質が向上するか？
• RQ4 BING と比較して、本手法は再現率、オーバーラップ品質、推論速度のどの面で優れているか？
• RQ5 標準ベンチマークで、リアルタイム性能（100fps）を維持しながら、高い検出再現率と mAP を達成できるか？

主な発見

• BING++ は、1,000 候補と 0.5 の IoU サブセット閾値を用いて、VOC2007 で 95.3% のオブジェクト検出再現率（DR）を達成した。
• 本手法は、平均平均最良オーバーラップ（MABO）が 79.2% を記録し、先行手法と比較して優れた局所化品質を示した。
• BING++ は、20 個の VOC2007 クラスにおけるオブジェクト検出で 68.7% の平均平均精度（mAP）を達成し、強力な検出性能を示した。
• アルゴリズムは 100 フレーム/秒で動作し、1 画像あたりの平均推論時間が 0.009 秒であり、高い効率性を維持している。
• エッジ特徴量と距離変換を用いた再帰的精錬は、計算複雑度を増加させることなく、候補のタイトさを顕著に向上させた。
• 後処理段階でのスーパーピクセル統合により、さらに候補の品質が向上し、オーバーラップ誤差が低減され、一貫性が向上した。