[論文レビュー] Cascade R-CNN: Delving into High Quality Object Detection

Zhaowei Cai, Nuno Vasconcelos|arXiv (Cornell University)|Dec 3, 2017

Advanced Neural Network Applications参考文献 25被引用数 393

ひとこと要約

Cascade R-CNN は、IoU 閾値を段階的に高めるマルチステージ検出器を導入し、再帰的に訓練し推論時に適用することで、COCO 上のアーキテクチャを問わず高品質な物体検出を実現する。

ABSTRACT

In object detection, an intersection over union (IoU) threshold is required to define positives and negatives. An object detector, trained with low IoU threshold, e.g. 0.5, usually produces noisy detections. However, detection performance tends to degrade with increasing the IoU thresholds. Two main factors are responsible for this: 1) overfitting during training, due to exponentially vanishing positive samples, and 2) inference-time mismatch between the IoUs for which the detector is optimal and those of the input hypotheses. A multi-stage object detection architecture, the Cascade R-CNN, is proposed to address these problems. It consists of a sequence of detectors trained with increasing IoU thresholds, to be sequentially more selective against close false positives. The detectors are trained stage by stage, leveraging the observation that the output of a detector is a good distribution for training the next higher quality detector. The resampling of progressively improved hypotheses guarantees that all detectors have a positive set of examples of equivalent size, reducing the overfitting problem. The same cascade procedure is applied at inference, enabling a closer match between the hypotheses and the detector quality of each stage. A simple implementation of the Cascade R-CNN is shown to surpass all single-model object detectors on the challenging COCO dataset. Experiments also show that the Cascade R-CNN is widely applicable across detector architectures, achieving consistent gains independently of the baseline detector strength. The code will be made available at https://github.com/zhaoweicai/cascade-rcnn.

研究の動機と目的

• 固定 IoU 閾値は検出における正例と難易度の高い誤検知のトレードオフを生むという課題を動機づける。
• 後段の段階をより高い IoU（品質）レベルに特化させたカスケード検出アーキテクチャを提案する。
• カスケッド訓練と推論が訓練とテストの提案の間の過剰適合と分布ミスマッチを軽減することを示す。
• Cascade R-CNN が COCO 上で異なるバックボーン検出器に対して一貫した利得を提供し、計算オーバーヘッドは控えめであることを示す。

提案手法

• 段階的に提案される IoU 閾値 u^t を用いて近接する誤検出を徐々に抑制する検出器のカスケードを導入する。
• f_T ◦ f_{T-1} ◦ ... ◦ f_1 による段階ごとの提案を改良する階層的な境界ボックス回帰を用いる。
• Δ=(δx, δy, δw, δh) の回帰ターゲットを段階ごとの平均/分散で正規化して多タスク学習を安定化させる。
• 各段階を L(x^t,g)=L_cls(h_t(x^t),y^t)+λ[y^t≥1]L_loc(f_t(x^t,b^t),g) の損失で訓練し、段階ごとの品質成長を保証する。
• 推論時にも同じカスケードを適用して各段階での仮説品質を検出器の能力と合わせる。
• カスケード分布は正例サンプルのサイズをほぼ一定に保ち、過剰適合を減らし高 IoU 性能を改善することを示す。
• 複数のベースラインの二段検出器（Faster R-CNN, R-FCN, FPN）との互換性があり、特別な機能を追加せずに互換性を保つ。

実験結果

リサーチクエスチョン

• RQ1 カスケード検出器アーキテクチャは、単一閾値検出器と比較して高 IoU（高品質）検出を改善できるか？
• RQ2 訓練と推論で IoU 閾値を徐々に高くすることで、提案品質と検出器品質の間の過剰適合とミスマッチを減らせるか？
• RQ3 Cascade R-CNN は COCO で異なるベースライン検出器とバックボーンに対して有効か？
• RQ4 カスケードの深さと段階ごとの IoU 閾値が局所化と検出性能に与える影響は？

主な発見

• Cascade R-CNN は、素の実装で COCO のすべてのシングルモデル検出器を上回る。
• 利得はベースライン検 detectorとバックボーンを超えて一貫しており、通常は AP ポイントで 2 から 4 の範囲。
• カスケード回帰は高 IoU 仮説の局所化を改善する。単一の回帰器や反復的な BBox アプローチは高 IoU で劣化するのとは対照的。
• Integral-loss なマルチヘッド構成は、すべての指標でカスケードアプローチに及ばない。
• 三段階 Cascade R-CNN が全体的な最適なバランスを提供する；四段階目は収益性が低下し全体 AP を損なう可能性があるが高 IoU 性能を向上させる。
• このアプローチは Faster R-CNN、R-FCN、FPN のバックボーンを越えて一般化し、検出器強度の増加とともに利得を維持する。