[論文レビュー] Fast Region Proposal Learning for Object Detection for Robotics

Federico Ceola, Elisa Maiettini+3 more|arXiv (Cornell University)|Nov 25, 2020

Advanced Neural Network Applications参考文献 37被引用数 5

ひとこと要約

本論文は、ロボティクスにおけるオブジェクト検出のための高速でオンライン学習可能な手法を提案する。この手法は、領域提案ネットワーク（RPN）と分類ヘッドを同時に最適化することで、従来の高速適応手法よりも訓練時間を大幅に短縮するとともに、精度を向上させる。ハイブリッドトレーニング戦略を活用し、オンライン学習の原則に従ってRPNを効率的に微調整することで、数分でトレーニングが完了する。その結果、最先端の性能を達成する。

ABSTRACT

Object detection is a fundamental task for robots to operate in unstructured environments. Today, there are several deep learning algorithms that solve this task with remarkable performance. Unfortunately, training such systems requires several hours of GPU time. For robots, to successfully adapt to changes in the environment or learning new objects, it is also important that object detectors can be re-trained in a short amount of time. A recent method [1] proposes an architecture that leverages on the powerful representation of deep learning descriptors, while permitting fast adaptation time. Leveraging on the natural decomposition of the task in (i) regions candidate generation, (ii) feature extraction and (iii) regions classification, this method performs fast adaptation of the detector, by only re-training the classification layer. This shortens training time while maintaining state-of-the-art performance. In this paper, we firstly demonstrate that a further boost in accuracy can be obtained by adapting, in addition, the regions candidate generation on the task at hand. Secondly, we extend the object detection system presented in [1] with the proposed fast learning approach, showing experimental evidence on the improvement provided in terms of speed and accuracy on two different robotics datasets. The code to reproduce the experiments is publicly available on GitHub.

研究の動機と目的

• ディープラーニングベースのオブジェクト検出器における長時間の訓練時間という課題に取り組むこと。これは、ロボットシステムにおけるリアルタイムの適応を妨げる要因である。
• オンライン学習を分類器にとどまらず、領域提案ネットワーク（RPN）にも拡張することで、高速適応手法の性能を向上させること。
• 新規のオブジェクトや環境に対応するための、迅速かつ信頼性の高いトレーニングが可能なハイブリッド検出パイプラインを設計すること。
• テストデータに依存しないオフラインでのハイパーパramータ最適化により、過学習を低減し、一般化性能を向上させること。

提案手法

• マスクR-CNNの特徴抽出器を組み合わせた、新しいオブジェクト検出パイプラインを提案。このパイプラインは、領域提案生成のための高速学習RPNを備えている。
• オンライン学習戦略を用いてRPNを最適化し、完全な微調整を必要とせずに、新しいタスクに対して迅速に再トレーニングできるようにしている。
• 2段階のトレーニングプロトコルを導入：まず特徴抽出器を一度だけ事前学習し、その後、新規データに対してRPNと分類器を迅速に微調整する。
• バリデーションセットを用いてハイパーパramータを最適化し、過学習を回避。トレーニング時間はデータ取得からモデルデプロイまでをカウントする。
• 特徴抽出とRPN最適化を並列で実行するハイブリッドトレーニング戦略を採用。これにより、全体のトレーニング遅延が低減される。
• mAPとARの指標を用いて、2つのロボティクスベンチマーク（iCWTとTABLE-TOP）で手法の精度と効率性を評価。

実験結果

リサーチクエスチョン

• RQ1 分類器に加えて領域提案ネットワーク（RPN）を最適化することで、高速適応シナリオにおける検出精度が向上するか？
• RQ2 高速学習RPNは、完全な微調整と比較して、トレーニング時間を短縮しながらも、性能を維持または向上させるか？
• RQ3 本手法は、ベースラインの完全微調整と比較して、過学習やハイパーパramータへの感受性が低いと評価できるか？
• RQ4 50～100個程度の領域提案で高い精度を達成できるか？これにより計算負荷を低減しながらも、性能を損なわないか？

主な発見

• 提案手法は、先行する高速学習手法[1]よりも高い平均精度（mAP）を達成。テストセットでハイパーパramータを最適化した場合、iCWTテストセットでmAPが79.8%に達する。
• 領域提案数を300から100に削減したが、AR（平均リCALL）は上限に近い水準を維持。計算負荷は3分の1に低減された。
• 提案数が50にまで減っても、ベースラインのフローズンRPNよりも高いARを維持しており、低提案数でも高い頑健性を示している。
• 完全微調整のベースラインと比較して、過学習のリスクが低く、バリデーションセットとテストセットの性能差が小さい。
• 実験の全期間を通じてトレーニング時間が一定（数分未満）であり、完全微調整とは異なり、トレーニング開始前に全データの読み込みとシャッフルが必要ない。
• 本手法は、数分でトレーニングが完了するという最先端の性能を達成。従来の微調整手法（数時間かかる）と比較して、著しく高速である。