[論文レビュー] Fast and Accurate, Convolutional Neural Network Based Approach for Object Detection from UAV

Xiaoliang Wang, Peng Cheng+2 more|arXiv (Cornell University)|Aug 16, 2018

Advanced Neural Network Applications参考文献 54被引用数 5

ひとこと要約

本論文は、Focal Lossを用いた一段階型畳み込みニューラルネットワークであるRetinaNetを用いて、ドローン画像向けの高速かつ高精度なオブジェクト検出手法を提案している。この手法はスタンフォードドローンデータセット（SDD）において最先端の性能を達成した。本手法は、空中画像におけるオブジェクトを高精度かつ高速に検出でき、ドローン画像のオブジェクト検出タスクにおけるクラス不均衡問題に対するFocal Lossの有効性を示している。

ABSTRACT

Unmanned Aerial Vehicles (UAVs), have intrigued different people from all walks of life, because of their pervasive computing capabilities. UAV equipped with vision techniques, could be leveraged to establish navigation autonomous control for UAV itself. Also, object detection from UAV could be used to broaden the utilization of drone to provide ubiquitous surveillance and monitoring services towards military operation, urban administration and agriculture management. As the data-driven technologies evolved, machine learning algorithm, especially the deep learning approach has been intensively utilized to solve different traditional computer vision research problems. Modern Convolutional Neural Networks based object detectors could be divided into two major categories: one-stage object detector and two-stage object detector. In this study, we utilize some representative CNN based object detectors to execute the computer vision task over Stanford Drone Dataset (SDD). State-of-the-art performance has been achieved in utilizing focal loss dense detector RetinaNet based approach for object detection from UAV in a fast and accurate manner.

研究の動機と目的

• ドローン画像に特化した高速かつ高精度なディープラーニングベースのオブジェクト検出システムの開発を目的とする。
• 空中画像からのオブジェクト検出におけるクラス不均衡問題に、Focal Lossを用いて対処することを目的とする。
• 特にスタンフォードドローンデータセット（SDD）を用いて、最先端のCNNベースの検出器の性能を評価・比較することを目的とする。
• 一時的検出器（例：RetinaNet）がリアルタイムのドローン監視・モニタリング応用に実装可能であることを実証することを目的とする。

提案手法

• ドローン画像におけるエンドツーエンドのオブジェクト検出のため、バックボーンモデルとして一時的検出器であるRetinaNetを採用する。
• 空中画像に一般的に見られる極端な前景・背景クラスの不均衡を軽減するために、Focal Lossを統合する。
• 都市環境における歩行者および車両のオブジェクトを含む多様なデータを有するスタンフォードドローンデータセット（SDD）を用いてモデルを学習する。
• マルチスケールオブジェクト検出性能を向上させるために、特徴マップのピラミッドネットワーク（FPN）を採用する。
• 限られたドローン画像データに対する一般化性能を向上させるために、トランスファー学習およびデータオーグメンテーション技術を活用する。
• モデルアーキテクチャの効率性と軽量なヘッド設計を最適化することで、推論速度を向上させる。

実験結果

リサーチクエスチョン

• RQ1 一時的CNN検出器（例：RetinaNet）は、ドローン画像からのオブジェクト検出において、最先端の精度と速度を達成できるか？
• RQ2 クラス不均衡が著しいドローンデータセットにおいて、Focal Lossは検出性能の向上にどの程度有効であるか？
• RQ3 スタンフォードドローンデータセットにおいて、RetinaNetは他の一時的および二段階検出器と比較してどの程度の性能を示すか？
• RQ4 モデルの効率性は、ドローンベースの監視システムにおけるリアルタイム配備をどの程度可能にするか？

主な発見

• Focal Lossを用いたRetinaNetは、ドローンオブジェクト検出タスクにおいてスタンフォードドローンデータセット（SDD）で最先端の性能を達成した。
• モデルはリアルタイム応用に適した高い推論速度を示した。
• Focal Lossは、特に小さなオブジェクトに対して、難易度の高い例に注目することで、検出精度を顕著に向上させた。
• 本空中ベンチマークにおいて、一時的検出器は二段階検出器を上回るか、同等の性能を示した。
• 本アプローチは、オブジェクトのスケールや隠蔽状態が異なる多様な都市風景にも良好に一般化した。