[論文レビュー] CenterNet: Object Detection with Keypoint Triplets

Kaiwen Duan, Song Bai+4 more|arXiv (Cornell University)|Apr 17, 2019

Advanced Neural Network Applications参考文献 35被引用数 66

ひとこと要約

CenterNetは、物体をペアではなくキーポイントの三つ組にモデル化することで、キーポイントベースの検出を改善するワンステージ物体検出フレームワークを提案する。階層的コーナープーリングとセンター・プーリングを用いて特徴表現を強化する。MS-COCOで47.0%のAPを達成し、すべての既存のワンステージ検出器を上回りながら、トップクラスの二段階検出器と同等の高速な推論速度を維持する。

ABSTRACT

In object detection, keypoint-based approaches often suffer a large number of incorrect object bounding boxes, arguably due to the lack of an additional look into the cropped regions. This paper presents an efficient solution which explores the visual patterns within each cropped region with minimal costs. We build our framework upon a representative one-stage keypoint-based detector named CornerNet. Our approach, named CenterNet, detects each object as a triplet, rather than a pair, of keypoints, which improves both precision and recall. Accordingly, we design two customized modules named cascade corner pooling and center pooling, which play the roles of enriching information collected by both top-left and bottom-right corners and providing more recognizable information at the central regions, respectively. On the MS-COCO dataset, CenterNet achieves an AP of extbf{47.0\%}, which outperforms all existing one-stage detectors by a large margin. Meanwhile, with a faster inference speed, CenterNet demonstrates quite comparable performance to the top-ranked two-stage detectors. Code is available at https://github.com/Duankaiwen/CenterNet.

研究の動機と目的

• 切り出し領域内の特徴表現を強化することで、キーポイントベースの物体検出器における誤ったバウンディングボックスの発生率を低減すること。
• 計算コストを著しく増加させることなく、ワンステージ物体検出における精度と再現率を両方向上させること。
• 既存のキーポイントベース手法よりも、物体領域内の視覚的パターンをより効果的に活用するフレームワークを設計すること。
• 二段階検出器と同等の性能を達成しつつ、ワンステージ検出器の高速性の利点を維持すること。

提案手法

• CenterNetは、物体を上左コーナー、右下コーナー、および中心キーポイントの三つ組にモデル化することで、物体の局所化をより正確に実現する。
• 階層的コーナープーリングを導入し、上左および右下コーナーからの特徴を統合することで、空間的文脈を豊かにする。
• 物体の中心領域における特徴表現を強化するため、センター・プーリングを設計する。
• この手法は、ベースアーキテクチャとしてCornerNetを採用し、三つ組ベースの検出と専用プーリングモジュールを拡張して構築する。
• 追加計算量を最小限に抑えながらワンステージ検出器を構築し、高速な推論を実現する。

実験結果

リサーチクエスチョン

• RQ1 ペアではなくキーポイント三つ組に物体をモデル化することで、ワンステージ検出器の検出精度が向上するか？
• RQ2 切り出し領域内の視覚的パターンをどのようにより効果的に活用すれば、誤検出のバウンディングボックスを低減できるか？
• RQ3 階層的コーナープーリングやセンター・プーリングのような専用プーリングモジュールは、推論コストを増加させることなく特徴表現を向上させられるか？
• RQ4 三つ組キーポイント検出を用いたワンステージ検出器は、どの程度二段階検出器の性能に達するか、あるいはそれを上回れるか？

主な発見

• CenterNetはMS-COCOデータセットで47.0%のAPを達成し、ワンステージ物体検出器における新たなSOTAを樹立した。
• 提案されたキーポイント三つ組アプローチは、CornerNetのようなペアベースキーポイント検出器と比較して、精度と再現率の両方を向上させた。
• 階層的コーナープーリングとセンター・プーリングの追加により、物体領域内の特徴表現が顕著に向上した。
• CenterNetは高速な推論速度を維持しており、トップランクの二段階検出器と同等の性能を示した。