[論文レビュー] HAMBox: Delving into Online High-quality Anchors Mining for Detecting Outer Faces

Yang Liu, Xu Tang+4 more|arXiv (Cornell University)|Dec 19, 2019

Face recognition and analysis参考文献 31被引用数 16

ひとこと要約

本論文は、標準的なアンカー照合で無視されてきたが高品質な未マッチングアンカーを明示的に活用するオンラインの高品質アンカーミニング戦略HAMBoxを提案する。これにより、WIDER FACE、FDDB、AFW、PASCAL Faceの複数のベンチマークで最先端の性能を達成し、WIDER FACEのハードサブセットでは2.9%のAP向上を達成した。

ABSTRACT

Current face detectors utilize anchors to frame a multi-task learning problem which combines classification and bounding box regression. Effective anchor design and anchor matching strategy enable face detectors to localize faces under large pose and scale variations. However, we observe that more than 80% correctly predicted bounding boxes are regressed from the unmatched anchors (the IoUs between anchors and target faces are lower than a threshold) in the inference phase. It indicates that these unmatched anchors perform excellent regression ability, but the existing methods neglect to learn from them. In this paper, we propose an Online High-quality Anchor Mining Strategy (HAMBox), which explicitly helps outer faces compensate with high-quality anchors. Our proposed HAMBox method could be a general strategy for anchor-based single-stage face detection. Experiments on various datasets, including WIDER FACE, FDDB, AFW and PASCAL Face, demonstrate the superiority of the proposed method. Furthermore, our team win the championship on the Face Detection test track of WIDER Face and Pedestrian Challenge 2019. We will release the codes with PaddlePaddle.

研究の動機と目的

• アンカーベースの顔検出器において、しばしば無視されるにもかかわらず高い回帰能力を示す高品質な未マッチングアンカーの活用不足を是正すること。
• 外側の顔（特に小規模または大規模な顔）の検出性能を、高品質な未マッチングアンカーをマイニングし補正することで向上させること。
• これらの高品質なネガティブアンカーを学習中に統合することで、分類および回帰ブランチの両方を向上させる汎用的でトレーニング可能な戦略を開発すること。
• 標準的なアンカーマッチング戦略が、特に困難な推論環境において、高品質アンカーの潜在的性能を十分に活用できていないことを示すこと。
• 追加の学習データや複雑なアーキテクチャを必要とせず、複数のベンチマークで最先端の性能を達成すること。

提案手法

• 高品質な未マッチングアンカー（真値の顔と高いIoUを示すが、正例としてマッチングされないもの）を特定し、それらを補正するオンラインの高品質アンカーミニング（HAMBox）戦略を提案する。
• IoUのしきい値に基づき、外側の顔に対して高品質な未マッチングアンカーを動的に選択的に促進する、動的アンカーコンペンセーションメカニズムを導入する。
• 補正されたアンカーに高い注目を払うよう再重み付けを行う回帰に適したフォーカル損失（RAL）を採用し、最適化の安定性を向上させる。
• 段階的なトレーニングパイプラインを採用：まず高品質な未マッチングアンカーを特定し、次にそれらを仮の正例として扱い、最後にRALを用いて微調整することで回帰精度を向上させる。
• FPN や SSH を使用する既存のアンカーベースの単段階顔検出器に容易に統合可能であり、アーキテクチャの大幅な変更を要しない。
• トレーニングと推論の両方の段階で戦略を適用し、特に外側の顔の予測ボックスと真値ボックス間のIoU向上に注力する。

実験結果

リサーチクエスチョン

• RQ1 標準的なトレーニング戦略が無視しているにもかかわらず、顔検出で正しく予測されたボックスの80%以上が未マッチングアンカーから来るのはなぜか？
• RQ2 IoUは高いが正例のしきい値を満たさない高品質な未マッチングアンカーを、効果的に活用することで検出性能を向上させられるか？
• RQ3 これらの高品質な未マッチングアンカーを補正するオンラインで動的なアンカーミニング戦略は、特に外側の顔において、より優れた一般化性能と精度をもたらすか？
• RQ4 提案された回帰に適したフォーカル損失（RAL）は、補正されたアンカーに適用された際に、最適化の安定性と性能をどのように向上させるか？
• RQ5 HAMBox戦略は、アーキテクチャの変更なしに、WIDER FACE、FDDB、AFW、PASCAL Faceといった多様なベンチマークで最先端の結果を達成できるか？

主な発見

• 推論段階で正しく予測されたボックスのうち、わずか11%しかマッチングアンカーから来ていないため、高いIoUを持つ未マッチングアンカーが著しく活用不足であることが示された。
• トレーニング段階では、全高品質アンカーのうち65%が未マッチングであるため、強力な回帰可能性を有しながらも、アンカーの活用に大きなギャップが存在することが明らかになった。
• HAMBox手法は、WIDER FACEバリデーションのエイジリーセットで97.0% AP、ミディアムで96.4%、ハードで93.3%を達成し、ハードサブセットで前回の最先端を2.9% AP上回った。
• WIDER FACEテストセットでは、エイジリーチで95.9%、ミディアムで95.5%、ハードで92.3%を達成し、ハードサブセットで前回の最先端を2.3% AP上回った。
• 同じベースラインでNAMSを上回り6.4% AP、ZCCを上回り5.5% APの向上を達成したため、アンカー活用の優位性と検出精度の優位性が示された。
• 追加モジュール（SSH、DH、PA）を組み合わせた最終モデルは、バリデーションで97.0%（エイジリーチ）、96.4%（ミディアム）、93.3%（ハード）のAPを達成し、テストでは95.9%、95.5%、92.3%を達成した。これにより、複数のベンチマークにわたる堅牢性が確認された。