[論文レビュー] FreeAnchor: Learning to Match Anchors for Visual Object Detection

Xiaosong Zhang, Fang Wan+3 more|arXiv (Cornell University)|Sep 5, 2019

Advanced Neural Network Applications被引用数 275

ひとこと要約

FreeAnchorは検出器の学習を最大尤推定（MLE）プロセスとして再定義し、アンカーバッグから柔軟なアンカーマッチングを学習することで、IoUに基づく割り当てを超える検出性能を実現する。

ABSTRACT

Modern CNN-based object detectors assign anchors for ground-truth objects under the restriction of object-anchor Intersection-over-Unit (IoU). In this study, we propose a learning-to-match approach to break IoU restriction, allowing objects to match anchors in a flexible manner. Our approach, referred to as FreeAnchor, updates hand-crafted anchor assignment to "free" anchor matching by formulating detector training as a maximum likelihood estimation (MLE) procedure. FreeAnchor targets at learning features which best explain a class of objects in terms of both classification and localization. FreeAnchor is implemented by optimizing detection customized likelihood and can be fused with CNN-based detectors in a plug-and-play manner. Experiments on COCO demonstrate that FreeAnchor consistently outperforms their counterparts with significant margins.

研究の動機と目的

• IoUに基づく手作業設計のアンカー割り当てをアンカーベース検出器で破る動機づけ。
• オブジェクトのためのアンカーを選択する学習によるマッチングフレームワークを提案する。
• 検出専用尤度を通じてリコール、精度、NMSとの互換性を確保する。
• 分類、位置合わせ、アンカーマッチングのエンドツーエンド最適化を可能にする。

提案手法

• 検出器の学習をオブジェクトとアンカーの対の上で最大尤推定（MLE）として定式化する。
• NMS互換性とともにリコールと精度を同時最適化する検出専用尤度を定義する。
• 各オブジェクトについてIoUで上位n個のアンカーを選択してアンカーバッグを構築し、各バッグから最良のものを学習して選ぶ。
• 訓練の進行に従い平均様から最大様へと進化するMean-maxアンカー選択機構を導入する。
• Balance項と focal loss を組み込んだ検出専用損失（式7）に置換する。
• 既存のCNNベース検出器へプラグアンドプレイ方式でアプローチを統合する。

実験結果

リサーチクエスチョン

• RQ1 候補バッグからアンカーをマッチングする学習は、手作業のIoUベース割り当てを超える物体検出の改善につながるか。
• RQ2 検出専用尤度はリコール、精度、NMS互換性を改善できるか。
• RQ3 Mean-maxアンカー選択戦略は訓練ダイナミクスと最終精度にどう影響するか？

主な発見

• FreeAnchorはCOCO上で RetinaNet のベースラインより一貫してAPを向上させる。
• 同じバックボーンで、FreeAnchorは RetinaNet に対して約3.0ポイントのAP向上を達成する。
• FreeAnchorは IoU閾値を超えるNMS recallが高く、NMSとの適合性が向上することを示している。
• FreeAnchorはCOCOベンチマークで、いくつかの最先端のワンステージ検出器およびアンカーフリーメソッドを上回る。
• 学習済みアンカー選択により、密集したシーンや細長い物体でアンカーマッチングがより効果的になる。
• 訓練時間の控えめな増加で訓練効率を維持する。