[論文レビュー] EvoPose2D: Pushing the Boundaries of 2D Human Pose Estimation using Neuroevolution

William McNally, Kanav Vats+2 more|arXiv (Cornell University)|Nov 17, 2020

Human Pose and Action Recognition参考文献 36被引用数 17

ひとこと要約

EvoPose2Dは、関数保存的変異を緩和する新しい重み転送方式を用いたニューロエボリューションベースの2次元人体ポーズ推定手法を提案する。これにより、アーキテクチャ探索の高速化が実現され、非常に効率的で正確なネットワークの発見が可能になった。EvoPose2D-SはSimpleBaselineと同等の精度を達成しながら、4.9倍少ないFLOPsと13.5倍少ないパラメータを必要とし、EvoPose2D-LはCOCOで2.0倍少ない演算量と4.3倍少ないパラメータで、最新のSOTAを更新した。

ABSTRACT

Neural architecture search has proven to be highly effective in the design of computationally efficient, task-specific convolutional neural networks across several areas of computer vision. In 2D human pose estimation, however, its application has been limited by high computational demands. Hypothesizing that neural architecture search holds great potential for 2D human pose estimation, we propose a new weight transfer scheme that relaxes function-preserving mutations, enabling us to accelerate neuroevolution in a flexible manner. Our method produces 2D human pose network designs that are more efficient and more accurate than state-of-the-art hand-designed networks. In fact, the generated networks can process images at higher resolutions using less computation than previous networks at lower resolutions, permitting us to push the boundaries of 2D human pose estimation. Our baseline network designed using neuroevolution, which we refer to as EvoPose2D-S, provides comparable accuracy to SimpleBaseline while using 4.9x fewer floating-point operations and 13.5x fewer parameters. Our largest network, EvoPose2D-L, achieves new state-of-the-art accuracy on the Microsoft COCO Keypoints benchmark while using 2.0x fewer operations and 4.3x fewer parameters than its nearest competitor.

研究の動機と目的

• 2次元人体ポーズ推定にニューラルアーキテクチャサーチ（NAS）を適用する際の高い計算コストを軽減すること。
• アーキテクチャサーチに要する時間とリソースを削減する、柔軟で効率的なニューロエボリューションフレームワークの開発。
• 2次元人体ポーズ推定に適した、軽量でありながら高精度な畳み込みニューラルネットワークの生成。
• 計算コストを低減しつつ高解像度推論を可能にする、ポーズ推定の限界を押し広げること。
• COCOキーポイントベンチマークにおいて、手作業で設計された最新のモデルを上回る精度と効率性を達成すること。

提案手法

• 関数保存的変異を緩和する重み転送方式を提案し、ニューロエボリューション中の収束を高速化する。
• 勾配ベース最適化を必要とせずに、最適な2次元人体ポーズ推定アーキテクチャを探索するニューロエボリューションを採用する。
• パフォーマンスを維持しつつ、計算要求を顕著に削減する柔軟な探索戦略を導入する。
• COCOデータセット上で進化的に最適化された2つのモデル—EvoPose2D-S（小）およびEvoPose2D-L（大）—を設計する。
• 段階的な探索戦略を採用し、パラメータ共有に関する制約を緩和しながら、世代間でアーキテクチャを進化・転送する。
• 最終アーキテクチャをCOCOキーポイントベンチマークで評価し、精度と効率性を測定する。

実験結果

リサーチクエスチョン

• RQ1 高い計算コストがあるにもかかわらず、ニューロエボリューションが2次元人体ポーズ推定に効果的に適用可能か。
• RQ2 重み転送と緩和された変異制約は、ポーズ推定におけるニューロエボリューションプロセスをどのように高速化できるか。
• RQ3 進化的に最適化されたアーキテクチャは、手作業で設計されたモデルを上回る精度と効率性を達成できるか。
• RQ4 進化的に最適化されたアーキテクチャを用いることで、計算リソースを削減しつつ、高解像度推論をどの程度達成できるか。
• RQ5 ニューロエボリューションは、精度とFLOPs／パラメータ効率性の両面で、SOTA性能を上回るモデルを生成できるか。

主な発見

• EvoPose2D-Sは、SimpleBaselineと同等のCOCOキーポイント精度を達成しているが、FLOPsは4.9倍少なく、パラメータは13.5倍少ない。
• EvoPose2D-Lは、COCOキーポイントベンチマークで新たなSOTA精度を樹立し、最も近い競合モデルを上回った。
• EvoPose2D-Lは、次に優れたモデルと比較して、2.0倍少ないFLOPsと4.3倍少ないパラメータを必要としており、優れた効率性を示した。
• 提案された重み転送方式により、パフォーマンスを損なわず、ニューロエボリューションの高速化が実現され、ポーズ推定におけるNASの実用化が可能になった。
• 進化的に最適化されたネットワークは、従来の低解像度で動作するモデルよりも、より高解像度の画像を少ない計算量で処理できる。
• 結果から、ニューロエボリューションが、2次元人体ポーズ推定において、手作業で設計されたアーキテクチャを上回る精度と効率性を持つモデルを生成できることを確認した。