[論文レビュー] Deep Active Learning for Efficient Training of a LiDAR 3D Object Detector

Di Feng, Wei Xiao+3 more|arXiv (Cornell University)|Jan 29, 2019

Advanced Neural Network Applications参考文献 33被引用数 7

ひとこと要約

本論文は、2D画像の領域提案を活用して探索空間を絞り、情報量の多いサンプルを優先することで、最小限の人的アノテーションでLiDAR 3Dオブジェクト検出器を訓練するためのディープアクティブラーニングフレームワークを提案する。MCドロップアウトとディープアンサンブルによる不確実性推定を用いてクエリ選択をガイドすることで、検出器の性能を維持したまま最大60％のラベリング削減を達成する。

ABSTRACT

Training a deep object detector for autonomous driving requires a huge amount of labeled data. While recording data via on-board sensors such as camera or LiDAR is relatively easy, annotating data is very tedious and time-consuming, especially when dealing with 3D LiDAR points or radar data. Active learning has the potential to minimize human annotation efforts while maximizing the object detector's performance. In this work, we propose an active learning method to train a LiDAR 3D object detector with the least amount of labeled training data necessary. The detector leverages 2D region proposals generated from the RGB images to reduce the search space of objects and speed up the learning process. Experiments show that our proposed method works under different uncertainty estimations and query functions, and can save up to 60% of the labeling efforts while reaching the same network performance.

研究の動機と目的

• 自動運転におけるオブジェクト検出のための3D LiDARポイントクラウドのラベリングに伴う高い人的アノテーションコストを低減すること。
• 高い検出性能を達成するために必要なラベル付き訓練サンプルの数を最小限に抑えること。
• 事前学習済み検出器から得られる2D画像オブジェクト提案を活用して、3Dラベリングの高速化と簡素化を図ること。
• アクティブラーニングにおける不確実性推定手法（例：MCドロップアウト、ディープアンサンブル）の評価と比較を行うこと。
• 不確実性に基づくクエリ戦略が、理想状態と現実的状況の両方で有効であることを実証すること

提案手法

• RGB画像からの2D領域提案を用いて、3D LiDAR空間におけるフラスツムを定義し、オブジェクト検索のための探索空間を狭める。
• 共有ネットワーク層での特徴抽出を共有しながら、2D提案とLiDARポイントクラウドの組み合わせを用いて3Dオブジェクト検出器を訓練する。
• モンテカルロドロップアウトとディープアンサンブルを用いて、未ラベル付きサンプルの情報量を定量化する予測不確実性推定を実装する。
• エントロピーと不確実性スコアに基づくクエリ関数を実装し、人的ラベリングの対象とする最も情報量の多い未ラベル付きサンプルを選択する。
• 各ラベリングラウンドの後で検出器を再訓練し、新たにラベル付けされたデータで訓練セットを更新する。
• 『完璧な』人的ラベル付き提案と、事前学習済み画像検出器からの提案の2つの設定で手法を検証する

実験結果

リサーチクエスチョン

• RQ1 アクティブラーニングは、3D LiDARオブジェクト検出のラベリング作業を大幅に削減しつつ、高い性能を維持できるか？
• RQ2 MCドロップアウトやディープアンサンブルなどの異なる不確実性推定手法は、情報量の多いサンプル選択を効果的にガイドできるか？
• RQ3 2D画像提案の使用は、3Dオブジェクト検出におけるラベリング効率と検出性能をどの程度向上できるか？
• RQ4 不確実性に基づくクエリ選択は、同時に分類精度と局所化精度の両方を向上させることができるか？
• RQ5 事前学習済み画像検出器を用いる場合、完璧な提案とは異なっても本手法の性能はどの程度維持されるか？

主な発見

• 提案されたアクティブラーニング手法は、完全な教師あり学習と同等の検出性能を達成しながら、最大60％のラベリング作業削減を実現した。
• 単一のソフトマックス出力よりも、MCドロップアウトとディープアンサンブルがより信頼性の高い不確実性推定を提供し、より優れたアクティブラーニング性能をもたらした。
• 事前学習済み画像検出器を用いても、ベースラインのランダムサンプリングに比べて分類および局所化タスクの両方で優れた性能を示した（「Small Vehicle」と「Human」クラスのリコール率はそれぞれ91.7％および86.2％）。
• 不確実性に基づくクエリ関数は、認識精度と局所化の平均二乗誤差の両方を向上させた。これは、分類ヘッドと回帰ヘッドの間で共有特徴学習が行われていることを示唆している。
• 3D検出器の性能は、2D画像提案の品質に極めて敏感であることが判明した。これにより、信頼性の高い提案生成の重要性が強調された。
• 本手法は、『完璧な提案』を前提とした理想状態と、事前学習済み検出器を用いた現実的状況の両方で有効であることが示され、実用的妥当性を裏付けた。