[論文レビュー] FCHD: A fast and accurate head detector.

Aditya Vora|arXiv (Cornell University)|Sep 24, 2018

Advanced Neural Network Applications参考文献 21被引用数 7

ひとこと要約

FCHD は、特徴マップの受容 field に基づいて慎重に設計されたアンカーを用いた、完全畳み込み型でアンカーに基づくヘッド検出モデルであり、低スペックのハードウェアでも 5 fps で 0.70 の平均精度を達成する。このモデルは、高い精度を維持しながら、速度と効率性においてベースラインを上回り、監視用途におけるエッジデプロイメントに適している。

ABSTRACT

In this paper, we propose FCHD-Fully Convolutional Head Detector, which is an end-to-end trainable head detection model, which runs at 5 fps and with 0.70 average precision (AP), on a very modest GPU. Recent head detection techniques have avoided using anchors as a starting point for detection especially in the cases where the detection has to happen in the wild. The reason is poor performance of anchor-based techniques under scenarios where the object size is small. We argue that a good AP can be obtained with carefully designed anchors, where the anchor design choices are made based on the receptive field size of the hidden layers. Our contribution is two folds. 1) A simple fully convolutional anchor based model which is end-to-end trainable and has a very low inference time. 2) Carefully chosen anchor sizes which play a key role in getting good average precision. Our model achieves comparable results than many other baselines on challenging head detection dataset like BRAINWASH. Along with accuracy, our model has least runtime among all the baselines along with modest hardware requirements which makes it suitable for edge deployments in surveillance applications. The code is made open-source at https://github.com/aditya-vora/FCHD-Fully-Convolutional-Head-Detector.

研究の動機と目的

• 監視システムにおけるリアルタイムのエッジデプロイメントに適した、高速で正確なヘッド検出モデルの開発。
• 小サイズのオブジェクト検出におけるアンカーフリー手法の限界を、適切に設計されたアンカーに基づくアプローチで克服すること。
• アーキテクチャおよびアンカー設計の選択により、推論時間を短縮しながら高い平均精度を維持すること。
• アンカーに基づく検出が、制約のない環境における小サイズのオブジェクト（例：頭部）において、競争力のある性能を達成できることを示すこと。
• 最小限のハードウェア要件で動作する、オープンソースでエンドツーエンドでトレーニング可能なモデルの提供。

提案手法

• エンドツーエンドのトレーニングと推論を可能にする完全畳み込みニューラルネットワークアーキテクチャを採用する。
• 各特徴層の受容フィールドのサイズに基づいて、アンカーのサイズを特に設計することで、小サイズのオブジェクトの検出を向上させる。
• 標準的な検出損失関数を用いてエンドツーエンドでトレーニングするが、領域提案ネットワークは不要である。
• 複数スケールの特徴マップを活用して、さまざまな受容フィールドに応じた異なるサイズのヘッドを検出する。
• アンカー設計プロセスでは、各特徴層における期待されるオブジェクトスケールとの空間的整合性を最優先に考える。
• 推論速度を最適化したアーキテクチャにより、低スペックのGPUでも 5 fps の性能を達成できる。

実験結果

リサーチクエスチョン

• RQ1 アンカーに基づくヘッド検出モデルは、制約のない環境における小サイズのオブジェクト（例：頭部）に対して高い精度を達成できるか？
• RQ2 受容フィールドのサイズに基づいたアンカー設計は、小サイズのオブジェクト検出性能にどのように影響するか？
• RQ3 完全畳み込み型でアンカーに基づくモデルは、ヘッド検出においてアンカーフリー手法を速度と精度の両面で上回ることができるか？
• RQ4 低スペックのハードウェア制約下で、ヘッド検出における推論速度と精度のトレードオフは何か？
• RQ5 このようなモデルは、リアルタイムの監視用途においてエッジデバイスに効率的にデプロイ可能か？

主な発見

• FCHD は BRAINWASH データセットで 0.70 の平均精度を達成し、多くの最先端のベースラインと同等またはそれを上回る。
• モデルは低スペックのGPUでも 5 fps で動作し、比較されたすべてのベースラインの中で最も高速である。
• 最小限のハードウェア要件であるため、リアルタイムの監視用途におけるエッジデバイスへのデプロイメントが可能である。
• 受容フィールドのサイズに基づいて慎重に設計されたアンカーは、小サイズのオブジェクトの検出精度を顕著に向上させる。
• エンドツーエンドでトレーニング可能な完全畳み込みアーキテクチャにより、高い効率性と低遅延の推論が実現されている。
• https://github.com/aditya-vora/FCHD-Fully-Convolutional-Head-Detector でオープンソースとしてリリースされており、再現性とさらなる研究を支援している。