[論文レビュー] Evaluation of YOLO Models with Sliced Inference for Small Object Detection

Muhammed Can Keles, Batuhan Salmanoglu+3 more|arXiv (Cornell University)|Mar 9, 2022

Advanced Neural Network Applications被引用数 6

ひとこと要約

本稿では、VisDrone2019Det データセットを用いて、スライスインフェレンスとファインチューニングを用いた小物検出のための YOLOv5 および YOLOX モデルの評価を行っている。スライスインフェレンスは、特に YOLOv5 に対して AP50 スコアを顕著に向上させるが、スライスファインチューニングとスライスインフェレンスを組み合わせた場合、最高の性能が得られ、YOLOv5-Large モデルでは 48.8 の AP50 を達成した。

ABSTRACT

Small object detection has major applications in the fields of UAVs, surveillance, farming and many others. In this work we investigate the performance of state of the art Yolo based object detection models for the task of small object detection as they are one of the most popular and easy to use object detection models. We evaluated YOLOv5 and YOLOX models in this study. We also investigate the effects of slicing aided inference and fine-tuning the model for slicing aided inference. We used the VisDrone2019Det dataset for training and evaluating our models. This dataset is challenging in the sense that most objects are relatively small compared to the image sizes. This work aims to benchmark the YOLOv5 and YOLOX models for small object detection. We have seen that sliced inference increases the AP50 score in all experiments, this effect was greater for the YOLOv5 models compared to the YOLOX models. The effects of sliced fine-tuning and sliced inference combined produced substantial improvement for all models. The highest AP50 score was achieved by the YOLOv5- Large model on the VisDrone2019Det test-dev subset with the score being 48.8.

研究の動機と目的

• 実世界のシナリオにおける小物検出のための最先端の YOLO ベースモデルの評価。
• スライスインフェレンスが YOLOv5 および YOLOX の小物検出性能に与える影響の分析。
• 特にスライスインフェレンス用にファインチューニングを行うことの有効性の調査。
• 小物が大部分を占める困難なデータセットである VisDrone2019Det データセットにおける YOLO モデルのパフォーマンスベンチマークの確立。

提案手法

• 本研究では、物体検出のためのバックボーンとして YOLOv5 および YOLOX モデルを採用している。
• スライスインフェレンスは、入力画像を重複のないパッチに分割することで、小物の検出を向上させる。
• モデルがパッチベースのインフェレンス環境に適応できるように、スライスインフェレンスの設定でファインチューニングを実施している。
• トレーニングおよび評価は、小スケールの物体を含む画像を含む VisDrone2019Det データセット上で実施している。
• すべての実験において、検出性能の評価指標として AP50 が主に用いられている。
• スライスインフェレンスとファインチューニングの組み合わせが、相乗効果をもたらすかを体系的に評価している。

実験結果

リサーチクエスチョン

• RQ1 スライスインフェレンスは、小物検出タスクにおける YOLOv5 および YOLOX の AP50 スコアにどのように影響するか？
• RQ2 スライスインフェレンスの後にファインチューニングを適用した場合、検出精度は相対的にどの程度向上するか？
• RQ3 スライスインフェレンスの利点は、YOLOv5 と YOLOX モデル間で異なるか？
• RQ4 VisDrone2019Det でスライスインフェレンスとファインチューニングを用いた YOLO モデルが達成可能な最高の AP50 スコアは何か？
• RQ5 スライスインフェレンスとファインチューニングの組み合わせは、標準的なインフェレンス設定を上回ることができるか？

主な発見

• スライスインフェレンスは、テストしたすべての YOLOv5 および YOLOX モデルにおいて、AP50 スコアの向上を一貫して実現した。
• スライスインフェレンスによる性能向上は、YOLOX モデルよりも YOLOv5 モデルで顕著に大きかった。
• スライスファインチューニングとスライスインフェレンスを併用した場合、標準的なインフェレンスや単独の技術よりも顕著な向上が得られた。
• YOLOv5-Large モデルは、VisDrone2019Det のテストデブサブセットで最高の AP50 スコア 48.8 を達成した。
• スライスインフェレンス単体でも AP50 は向上したが、ファインチューニングと組み合わせた場合が最も顕著な向上を示した。
• 結果から、スライスインフェレンス環境に適応させるためにファインチューニングによるモデルの適応が、小物検出におけるパフォーマンスを最大化するために不可欠であることが示された。