[論文レビュー] GANav: Group-wise Attention Network for Classifying Navigable Regions in Unstructured Outdoor Environments.

Tianrui Guan, Divya Kothandaraman+2 more|arXiv (Cornell University)|Mar 7, 2021

Advanced Neural Network Applications参考文献 37被引用数 9

ひとこと要約

GANavは、RGB画像を用いて構造のない屋外環境における通行可能領域を分類するためのグループ別アテンションTransformerネットワークを提案する。グループ別アテンションと動的重み付き交差エントロピー損失を活用することで、ナビゲーション可能性セグメンテーションの精度が向上し、SOTA手法と比較してRUGDでは6.74–39.1%、RELLIS-3Dでは3.82–10.64%高いmIoUを達成した。

ABSTRACT

We present a new learning-based method for identifying safe and navigable regions in off-road terrains and unstructured environments from RGB images. Our approach consists of classifying groups of terrain classes based on their navigability levels using coarse-grained semantic segmentation. We propose a bottleneck transformer-based deep neural network architecture that uses a novel group-wise attention mechanism to distinguish between navigability levels of different terrains.Our group-wise attention heads enable the network to explicitly focus on the different groups and improve the accuracy. In addition, we propose a dynamic weighted cross entropy loss function to handle the long-tailed nature of the dataset. We show through extensive evaluations on the RUGD and RELLIS-3D datasets that our learning algorithm improves the accuracy of visual perception in off-road terrains for navigation. We compare our approach with prior work on these datasets and achieve an improvement over the state-of-the-art mIoU by 6.74-39.1% on RUGD and 3.82-10.64% on RELLIS-3D.

研究の動機と目的

• 構造のない屋外地形におけるRGB画像を用いた通行可能領域の視覚的認識を向上させること。
• オフロードデータセットにおける地形クラスの長尾分布に対処すること。
• 地形グループごとのナビゲーション可能性レベルを明示的にモデル化することで、セグメンテーション精度を向上させること。
• 地形クラス間の階層的関係を捉えることができるディープラーニングアーキテクチャの開発すること。

提案手法

• 異なる地形グループに注目できる新しいグループ別アテンション機構を備えたボトルネックTransformerベースのニューラルネットワークを提案する。
• 学習データにおける長尾クラス分布の影響を軽減するため、動的重み付き交差エントロピー損失関数を設計する。
• 粗い粒度の意味セグメンテーションを用いて、ナビゲーション可能性レベルに基づいて地形領域を分類する。
• 地形クラスをナビゲーション可能性レベルにグループ化し、注目を誘導し、一般化性能を向上させる。
• 特徴表現学習中に異なる地形グループの組み合わせに明示的に注目できるグループ別アテンションヘッドを統合する。
• 実世界のオフロードシナリオにおける性能をベンチマークするため、RUGDおよびRELLIS-3Dデータセット上でモデルを訓練および評価する。

実験結果

リサーチクエスチョン

• RQ1 グループ別アテンション機構は、構造のない屋外環境におけるナビゲーション可能性分類の精度を向上させることができるか？
• RQ2 動的重み付き交差エントロピー損失は、長尾地形データセットにおけるモデル性能にどのように影響するか？
• RQ3 提案されたアーキテクチャは、RUGDおよびRELLIS-3Dにおいて、既存のSOTA手法をどの程度上回るか？
• RQ4 ナビゲーション可能性グループに分類された地形クラスをモデル化することで、セグメンテーションにおける一般化性とロバスト性が向上するか？

主な発見

• GANavは、SOTA手法と比較してRUGDデータセットで6.74–39.1%のmIoU向上を達成した。
• RELLIS-3Dデータセットでは、先行手法と比較してmIoUが3.82–10.64%向上した。
• グループ別アテンション機構により、明示的に異なる地形グループに注目することで特徴の識別能が向上した。
• 動的重み付き交差エントロピー損失は、長尾クラス分布に起因する性能低下を効果的に軽減した。
• 2つのベンチマークデータセットでの検証により、多様なオフロード環境において強力な一般化性能を示した。
• 提案されたアーキテクチャは、RGB入力のみを用いてもオフロードナビゲーションの視覚的認識分野でSOTA性能を達成した。