[論文レビュー] Classic versus deep learning approaches to address computer vision challenges

Nati Ofir, Jean‐Christophe Nebel|arXiv (Cornell University)|Jan 24, 2021

Advanced Image and Video Retrieval Techniques参考文献 31被引用数 5

ひとこと要約

本論文は、微弱エッジ検出とマルチスペクトル画像登録という2つの挑戦的なコンピュータビジョンタスクにおいて、古典的手法とディープラーニング（DL）手法を比較している。DLモデルは幾何的変形に対して高い精度と耐性を示すが、大量のトレーニングデータ、GPUアクセラレーションを必要とし、解釈不能であるのに対し、古典的手法はより透明性があり、柔軟性があるものの、開発が遅く、精度も低い。

ABSTRACT

Computer vision and image processing address many challenging applications. While the last decade has seen deep neural network architectures revolutionizing those fields, early methods relied on 'classic', i.e., non-learned approaches. In this study, we explore the differences between classic and deep learning (DL) algorithms to gain new insight regarding which is more suitable for a given application. The focus is on two challenging ill-posed problems, namely faint edge detection and multispectral image registration, studying recent state-of-the-art DL and classic solutions. While those DL algorithms outperform classic methods in terms of accuracy and development time, they tend to have higher resource requirements and are unable to perform outside their training space. Moreover, classic algorithms are more transparent, which facilitates their adoption for real-life applications. As both classes of approaches have unique strengths and limitations, the choice of a solution is clearly application dependent.

研究の動機と目的

• 微弱エッジ検出とマルチスペクトル画像登録という2つの困難で不適切に定式化されたコンピュータビジョン問題を解消する古典的手法とディープラーニング（DL）手法の強みと限界を調査すること。
• 精度、速度、開発時間、幾何的変換への耐性、解釈可能性といった要因が、古典的手法とDL手法の間でどのように異なるかを評価すること。
• 特に透明性と信頼性が重要な分野において、これらの差異が実用的展開に与える影響を評価すること。
• 異なる画像ドメインやタスクにおいて、DLモデルと古典的アルゴリズムの再利用可能性と移行性を検討すること。
• アプリケーション固有の制約に基づいて、実務家がいつ古典的手法を選び、いつDL手法を選ぶべきかを示す実用的知見を提供すること。

提案手法

• 本研究では、微弱エッジ検出において最新のDLおよび古典的アルゴリズム（FED-CNN（DL）とFastEdges（古典））を、微弱で曲がったエッジを有する医療画像および低照度画像を用いて評価した。
• マルチスペクトル画像登録に関しては、DLベースの不変記述子と古典的特徴ベース手法を比較し、可視光帯および赤外帯のスペクトルバンド間でのアライメント精度を評価した。
• 性能はF1スコア、Dice係数、登録誤差といった標準指標を用いて評価され、ノイズや幾何的歪みを含む多様な画像条件での比較が行われた。
• CPUおよびGPUハードウェア上での開発時間と計算効率を測定し、実用的展開上の制約を評価した。
• すべての手法の開発プロセスに関する内部知識を活用することで、実装の複雑さと再利用可能性を直接比較可能となった。
• DLモデルはドメイン固有のデータセットでトレーニングされ、その性能はトレーニング分布外の画像でテストされ、汎化性と耐性を評価した。

実験結果

リサーチクエスチョン

• RQ1 微弱エッジ検出において、ディープラーニングと古典的手法は、ノイズや幾何的変形に対してそれぞれどのように精度と耐性を示すか？
• RQ2 これらのタスクにおいて、古典的手法とDLソリューションの開発時間、計算要件、ハードウェア依存性（CPU対GPU）にはどのような差があるか？
• RQ3 DLモデルは、トレーニング分布外の画像ドメインにどれほど一般化できるか？また、古典的手法と比較してどうなるか？
• RQ4 古典的アルゴリズムの解釈可能性と理論的透明性は、トレーニング済みDLモデルの「ブラックボックス」性と比べてどうか？
• RQ5 DLアーキテクチャは、異なるビジョンタスク間でどれほど再利用可能か？また、古典的アルゴリズムの適応性と比べてどうか？

主な発見

• ディープラーニングモデルは、特にノイズが多いか複雑な画像において、古典的手法よりも顕著に高い精度を達成している。
• DLモデルは回転やスケーリングなどの幾何的変換に対して耐性があるが、古典的手法はこのような変化下で性能が劣る。
• 古典的手法はより解釈可能で理論的に根拠があり、性能の定量的限界を示せる。一方、DLモデルの内部メカニズムは依然として不透明である。
• DLソリューションは実用的な推論速度を得るためにはGPUアクセラレーションを必要とし、一方古典的手法はCPUでも効率的に動作するため、リソース制限のある環境での展開が容易である。
• トレーニングデータが入手可能な段階では、DLモデルの開発時間は著しく短くなる。既存のCNNアーキテクチャを迅速に微調整し、新たなタスクに再利用可能である。
• DLモデルはトレーニング分布外の画像に適用すると、深刻な失敗を示すが、古典的手法はより予測可能な性能低下を示す。