[論文レビュー] Feature Pyramid Grids

Kai Chen, Yuhang Cao+3 more|arXiv (Cornell University)|Apr 7, 2020

Advanced Neural Network Applications参考文献 41被引用数 12

ひとこと要約

特徴ピラミッドグリッド（FPG）は、平行な下向きパスウェイの規則的なグリッドを備えた深く多パスの特徴ピラミッドを導入し、多方向の横方向接続によって統合することで、同等の計算コストでFPNやNAS最適化ベースラインを大きく上回る物体検出の精度を実現する。FPGは、RetinaNet、Faster R-CNN、Mask R-CNN、Cascade R-CNNのあらゆるフレームワークで、ニューラルアーキテクチャサーチを必要とせずにmAPを0.2%から2.3%向上させる。

ABSTRACT

Feature pyramid networks have been widely adopted in the object detection literature to improve feature representations for better handling of variations in scale. In this paper, we present Feature Pyramid Grids (FPG), a deep multi-pathway feature pyramid, that represents the feature scale-space as a regular grid of parallel bottom-up pathways which are fused by multi-directional lateral connections. FPG can improve single-pathway feature pyramid networks by significantly increasing its performance at similar computation cost, highlighting importance of deep pyramid representations. In addition to its general and uniform structure, over complicated structures that have been found with neural architecture search, it also compares favorably against such approaches without relying on search. We hope that FPG with its uniform and effective nature can serve as a strong component for future work in object recognition.

研究の動機と目的

• 高価なニューラルアーキテクチャサーチに依存せずに、階層的特徴表現を改善することで、マルチスケール物体検出の課題に取り組むこと。
• 性能の向上を実現する包括的で解釈可能かつ一般化可能な特徴ピラミッド構造を体系的に設計すること。
• 深く密接に接続されたピラミッドグリッドが、標準的なFPNやNAS-FPNのような探索ベースのアーキテクチャを上回る可能性があるかを検証すること。
• 並列パスウェイと多方向の横方向接続が、特徴表現の質と検出精度に与える影響を評価すること。

提案手法

• FPGは、p本の並列な下向きパスウェイの規則的なグリッドを構築し、それぞれがバックボーンからの特徴を階層的に処理する。
• 多方向の横方向接続（AcrossSame、AcrossUp、AcrossDown、AcrossSkip）により、すべてのパスウェイ間でスケール内およびスケール間の情報交換が可能になる。
• AcrossSkipは直接的なスキップ接続を用いるが、他の横方向接続は畳み込み層とReLU活性化関数を用いて特徴を統合する。
• 構造を体系的にアブレーションすることで、本質的な構成要素を同定し、密なグリッドから最小限の効果的構造へと縮小する。
• FPGは、単段階（RetinaNet）、二段階（Faster R-CNN、Mask R-CNN）、および段階的（Cascade R-CNN）の検出器に統合され、評価に用いられる。
• FPNやNAS-FPNと公平な比較を保つために、同一の設定で実験が実施され、評価指標にはmAP、AP50、AP75、および小・中・大インスタンスのAPが含まれる。

実験結果

リサーチクエスチョン

• RQ1 体系的に設計された、探索に依存しない特徴ピラミッドは、標準的なFPNやNAS最適化アーキテクチャを上回ることができるか？
• RQ2 並列パスウェイと多方向の横方向接続は、特徴表現の質と検出精度を向上させるために果たす役割は何か？
• RQ3 FPGは、単段階、二段階、および段階的検出フレームワークを含む、さまざまな検出フレームワークに一般化できるか？
• RQ4 FPNをFPGに置き換えた際の、精度と計算コストのトレードオフは何か？
• RQ5 高い探索コストや複雑なアーキテクチャを伴わず、NAS-FPNを上回る性能を達成できるか？

主な発見

• 同じ計算コスト下で、FPGはRetinaNetにおいてNAS-FPNを上回る0.2%のmAP向上を達成し、アーキテクチャサーチなしで優れた性能を示した。
• Faster R-CNNでは、FPGがNAS-FPNを1.5%上回るmAPを達成し、小規模および隠蔽物体の検出性能が向上した。
• Mask R-CNNでは、FPGがNAS-FPNを2.3%上回るmAPを達成し、誤分類が減少し、小スケールインスタンスのマスク予測が向上した。
• Cascade R-CNNでは、FPGがNAS-FPNを2.2%上回るmAPを達成し、複雑な検出パイプラインにおいても優れた一般化性能を示した。
• Faster R-CNNではPA-FPNを+2.3 mAP、Mask R-CNNでは+2.7 mAP上回り、FLOPsとパラメータ数が少ないにもかかわらず優れた性能を示した。
• HRNet-W18と組み合わせた場合、FPGはHRNet-W18 + HR-FPNを1.9%上回るmAPを達成し、高解像度バックボーンと相乗効果を発揮することが示された。