[論文レビュー] FCOS: A simple and strong anchor-free object detector

Zhi Tian, Chunhua Shen+2 more|arXiv (Cornell University)|Jun 14, 2020

Advanced Neural Network Applications参考文献 57被引用数 38

ひとこと要約

FCOS はアンカーを使わない完全畳み込みのワンステージ物体検出器を、ピクセルごとの予測、中心度ブランチ、そして多段階の FPN を用いて、アンカー箱なしで競争力のある精度を達成します。

ABSTRACT

In computer vision, object detection is one of most important tasks, which underpins a few instance-level recognition tasks and many downstream applications. Recently one-stage methods have gained much attention over two-stage approaches due to their simpler design and competitive performance. Here we propose a fully convolutional one-stage object detector (FCOS) to solve object detection in a per-pixel prediction fashion, analogue to other dense prediction problems such as semantic segmentation. Almost all state-of-the-art object detectors such as RetinaNet, SSD, YOLOv3, and Faster R-CNN rely on pre-defined anchor boxes. In contrast, our proposed detector FCOS is anchor box free, as well as proposal free. By eliminating the pre-defined set of anchor boxes, FCOS completely avoids the complicated computation related to anchor boxes such as calculating the intersection over union (IoU) scores during training. More importantly, we also avoid all hyper-parameters related to anchor boxes, which are often sensitive to the final detection performance. With the only post-processing non-maximum suppression (NMS), we demonstrate a much simpler and flexible detection framework achieving improved detection accuracy. We hope that the proposed FCOS framework can serve as a simple and strong alternative for many other instance-level tasks. Code and pre-trained models are available at: https://git.io/AdelaiDet

研究の動機と目的

• モダンな検出器からアンカー箱を除去して設計と訓練を単純化する動機づけ。
• 物体検出のためのピクセル単位予測フレームワークを、セグメンテーションの FCN に類似して提案する。
• 低品質な検出を抑制する中心度メカニズムを導入する。
• 多段階の特徴ピラミッドを活用して recalls を向上させ、重なりによる曖昧さを低減する。

提案手法

• foreground ピクセルごとに4D境界ボックスベクトルを予測する（l, t, r, b）。
• 検出をアンカーなしで行うために、80クラスのバイナリ分類ヘッドを focal loss とともに使用する。
• 特徴レベルのストライドでスケールされた回帰ターゲットで訓練し、ボックス回帰には GIoU loss を適用する。
• 中心度ブランチを導入し、物体中心までの距離で最終スコアを重み付けする。
• FPN からの多段予測（P3–P7）を用いて異なるスケールの物体を処理し、重複の曖昧さを低減する。
• 推論時には、各位置のスコアを s = sqrt(p * centerness) とする。

実験結果

リサーチクエスチョン

• RQ1 完全なアンカーなしのピクセル予測フレームワークで物体検出を効果的に実行できるか。
• RQ2 FPN による多段予測は、アンカーなし検 detector における ground-truth ボックスの重複から生じる曖昧さを緩和するか。
• RQ3 中心度ブランチは低品質な検出を効果的に抑制し、AP を改善するか。
• RQ4 COCO における accuracy と efficiency の点で、FCOS は RetinaNet のようなアンカー基盤検出器とどう比較されるか。

主な発見

• COCO の AP がアンカー基盤検出器と競合（例：中心度を取り入れた FCOS は 38.9 AP に達する）。
• 中心度なしでも FCOS は 9個のアンカーを各位置に用いた RetinaNet を AP で上回っており（A=9 のとき 38.0 対 35.9）、中心度を加えると 38.9 AP にさらに改善。
• FPN を用いた多段予測は、重複サンプルを非常に少数（中心サンプリングで 2.66% まで）に抑え、曖昧さの問題を緩和する。
• COCO val2017 での最良の結果は、複数の指標（AP、AP50、AP75、さまざまな閾値での AR）で FCOS が RetinaNet 系を上回る。
• 中心度の重み付けは、高クラス信頼度・低重なみボックスを低く評価することで、精度を大幅に向上させる。