[論文レビュー] CIA-SSD: Confident IoU-Aware Single-Stage Object Detector From Point Cloud

Zheng Wu, Weiliang Tang+3 more|arXiv (Cornell University)|Dec 5, 2020

Advanced Neural Network Applications参考文献 33被引用数 37

ひとこと要約

CIA-SSD は点群に対する IoU を意識した自信度を持つシングルステージ検出器を導入し、空間-意味特徴の融合、IoU に基づく自信度補正、距離変動型 NMS を用いて、実時間速度で KITTI moderate AP の最先端を達成します。

ABSTRACT

Existing single-stage detectors for locating objects in point clouds often treat object localization and category classification as separate tasks, so the localization accuracy and classification confidence may not well align. To address this issue, we present a new single-stage detector named the Confident IoU-Aware Single-Stage object Detector (CIA-SSD). First, we design the lightweight Spatial-Semantic Feature Aggregation module to adaptively fuse high-level abstract semantic features and low-level spatial features for accurate predictions of bounding boxes and classification confidence. Also, the predicted confidence is further rectified with our designed IoU-aware confidence rectification module to make the confidence more consistent with the localization accuracy. Based on the rectified confidence, we further formulate the Distance-variant IoU-weighted NMS to obtain smoother regressions and avoid redundant predictions. We experiment CIA-SSD on 3D car detection in the KITTI test set and show that it attains top performance in terms of the official ranking metric (moderate AP 80.28%) and above 32 FPS inference speed, outperforming all prior single-stage detectors. The code is available at https://github.com/Vegeta2020/CIA-SSD.

研究の動機と目的

• LiDAR 点群における効率的かつ正確な 3D 物体検出を単一ステージ検出器で実現することを動機づける。
• 単一ステージ検出器における localization の精度と分類信頼度の不整合に対処する。
• 二次段を用いずに空間特徴と意味特徴を融合し、信頼度を整合させる軽量モジュールを提案する。
• 回帰を滑らかにし、冗長な予測を抑制する DI-NMS を導入する。
• KITTI における最先端の性能と、単一 GPU でのリアルタイム推論を示す。

提案手法

• 高レベルの意味特徴と低レベルの空間特徴を融合する Spatial-Semantic Feature Aggregation (SSFA)。
• 二次段を用いずに分類信頼度を localization 品質と揃える IoU-aware 信頼度補正。
• 回帰を滑らかにし冗長な予測を抑制する Distance-variant IoU-weighted NMS (DI-NMS)。
• IoU 目標を用いて訓練されたアンカーを用いる IoU 予測ブランチを、テスト時の Confidence Function によって信頼度補正に利用。
• 分類、ボックス回帰、方向、IoU 予測の損失を組み込む損失関係式。
• BEV feature 抽出を SECOND に導かれた Sparse convolutional backbone (SPConvNet)。

実験結果

リサーチクエスチョン

• RQ1 軽量な SSFA モジュールは単一ステージ 3D 検出器において localization と分類の安定性を向上させるか。
• RQ2 IoU-aware の信頼度補正は単一ステージのフレームワークにおいて localization の正確さと検出信頼度の整合性を改善するか。
• RQ3 距離認識 NMS は点群からの 3D 検出における偽陽性をさらに減らし、回帰を安定させるか。
• RQ4 CIA-SSD は KITTI において、単一ステージと二段階検出器の両方に対して moderate AP と速度の点でどのような性能を示すか。

主な発見

手法	データ	AP3D Easy	AP3D Mod	AP3D Hard
CIA-SSD (ours)	LiDAR	89.59	80.28	72.87
CIA-SSD (validation)	LiDAR	90.04	79.81	78.80

• CIA-SSD は KITTI テストセットにおいて 89.59% Easy および 80.28% Moderate AP を達成（LiDAR, 3D 車両検出）。
• CIA-SSD は KITTI テストセットで 3D 車両検出の Hard AP を 72.87% 達成。
• KITTI バリデーションで CIA-SSD は Easy 90.04、Moderate 79.81、Hard 78.80 の AP を獲得し、強い一般化能力を示す。
• SSFA はベースラインと比較して GPU 使用量が約 10-27% の modest なオーバーヘッドで特徴忠実度を向上させ、顕著な利得に寄与。
• IoU-aware の信頼度補正（beta=4）により Moderate AP が改善し、IoU と信頼度の Pearson 相関も向上。
• DI-NMS は Easy/Moderate/Hard AP の改善をもたらし（例: Easy +0.38、Moderate +0.18、Hard +0.16）、後処理を滑らかにする。
• CIA-SSD は平均推論時間 30.76 ms で動作し、他の同時代の単一ステージ検出器や列挙された二段階ベースラインを上回る。