[論文レビュー] Deep Gradient Learning for Efficient Camouflaged Object Detection

Ge-Peng Ji, Deng-Ping Fan+4 more|arXiv (Cornell University)|May 25, 2022

Visual Attention and Saliency Detection被引用数 11

ひとこと要約

本稿では、オブジェクト勾配監視を活用して特徴の識別性を向上させる、カモフラージュされたオブジェクト検出のための新しい深層学習フレームワークDGNetを提案する。勾配誘導型遷移モジュールによりコンテキストとテクスチャの符号化を分離することで、80 fpsの推論速度とSOTAモデルJCSOD-CVPR21の6.82%のパラメータのみで、高い効率性を実現した最先端の性能を達成した。

ABSTRACT

This paper introduces DGNet, a novel deep framework that exploits object gradient supervision for camouflaged object detection (COD). It decouples the task into two connected branches, i.e., a context and a texture encoder. The essential connection is the gradient-induced transition, representing a soft grouping between context and texture features. Benefiting from the simple but efficient framework, DGNet outperforms existing state-of-the-art COD models by a large margin. Notably, our efficient version, DGNet-S, runs in real-time (80 fps) and achieves comparable results to the cutting-edge model JCSOD-CVPR$_{21}$ with only 6.82% parameters. Application results also show that the proposed DGNet performs well in polyp segmentation, defect detection, and transparent object segmentation tasks. Codes will be made available at https://github.com/GewelsJI/DGNet.

研究の動機と目的

• 複雑なシーンにおける境界コントラストが低く、特徴が曖昧なカモフラージュされたオブジェクトを検出する課題に対処すること。
• 境界または不確実性監視に依存するのではなく、オブジェクト勾配マップを活用して特徴の識別性を向上させること。
• 実世界の展開に適した性能と推論速度のバランスを取った、効率的で強力なアーキテクチャを設計すること。
• ポリップセグメンテーション、欠険検出、透過的オブジェクトセグメンテーションといった多様な下流タスクへの一般化を検証すること。

提案手法

• DGNetは検出タスクを二本のブランチに分離する：高レベルの意味的特徴を処理するコンテキストエンコーダと、低レベルの構造的詳細を処理するテクスチャエンコーダ。
• 勾配誘導型遷移（GIT）モジュールは、オブジェクト勾配マップの強度変化に基づいて両ブランチの特徴を融合することで、ソフトグルーピングを実現する。
• オブジェクト勾配監視を明示的に使用することで、カモフラージュされたオブジェクト内での強度変化が大きい領域にネットワークが注目し、背景ノイズを低減する。
• フレームワークはクロスエントロピー損失とDice損失を用いてエンドツーエンドで訓練され、カモフラージュされたオブジェクトベンチマークにおけるセグメンテーション性能を最適化する。
• モデル圧縮とパラメータ共有を活用して導出された効率的バージョンであるDGNet-Sは、リアルタイム推論を達成する。
• タスク固有のデータセットを用いて下流タスクで微調整されるが、コアアーキテクチャはそのままである。

実験結果

リサーチクエスチョン

• RQ1 境界または不確実性監視と比較して、オブジェクト勾配監視はカモフラージュされたオブジェクト検出のための特徴学習を向上させることができるか？
• RQ2 コンテキストとテクスチャ特徴を効果的に統合することで、カモフラージュされたオブジェクト表現の曖昧さを低減できるか？
• RQ3 困難なCODベンチマークで性能を損なわず、軽量でリアルタイムなモデルを設計できるか？
• RQ4 提案されたフレームワークは、ポリップセグメンテーションや透過的オブジェクト検出といった下流タスクにも良好に一般化できるか？

主な発見

• DGNetは、NC4K-Te、CAMO-Te、COD10K-Teの3つの主要なCODベンチマークで最先端の性能を達成し、それぞれSαが0.857、0.839、0.822であった。
• CAMO-TeではF-measureが0.922に達し、精度と耐性の両面で以前のSOTA手法を上回った。
• DGNet-Sは80 fpsで動作し、パラメータ数は8.3Mであり、JCSOD-CVPR21と同等の性能を達成しながら、その6.82%のパラメータのみを用いた。
• ポリップセグメンテーションでは、CVC-ColonDBおよびETIS-LPDBの両方で4つのSOTA手法を上回り、Diceスコアが0.741、Fwβが0.690を達成した。
• 道路クラック検出では、再訓練されたDGNetがCrackForestデータセットで優れた性能を示し、視覚的に優れたセグメンテーション結果を生成した。
• 透過的オブジェクトセグメンテーションでは、再訓練されたDGNetがTrans10Kで高品質な予測を生成し、未観測ドメインへの強い一般化能力を示した。