[論文レビュー] Improvement of Classification in One-Stage Detector

Kehe Wu, Zuge Chen+2 more|arXiv (Cornell University)|Nov 20, 2020

Advanced Neural Network Applications参考文献 26被引用数 4

ひとこと要約

この論文は、RetinaNetのような1段階検出器における分類と局所化の不一致を解消するため、オブジェクト信頼度タスクを提案する。分類と共有された特徴を用い、正例サンプルに対してIoUをターゲットとする。この手法により、分類精度とNMS性能が向上し、同じ訓練設定下でResNet50では+0.7%、ResNet101では+1.0%のAP向上を達成した。

ABSTRACT

RetinaNet proposed Focal Loss for classification task and improved one-stage detectors greatly. However, there is still a gap between it and two-stage detectors. We analyze the prediction of RetinaNet and find that the misalignment of classification and localization is the main factor. Most of predicted boxes, whose IoU with ground-truth boxes are greater than 0.5, while their classification scores are lower than 0.5, which shows that the classification task still needs to be optimized. In this paper we proposed an object confidence task for this problem, and it shares features with classification task. This task uses IoUs between samples and ground-truth boxes as targets, and it only uses losses of positive samples in training, which can increase loss weight of positive samples in classification task training. Also the joint of classification score and object confidence will be used to guide NMS. Our method can not only improve classification task, but also ease misalignment of classification and localization. To evaluate the effectiveness of this method, we show our experiments on MS COCO 2017 dataset. Without whistles and bells, our method can improve AP by 0.7% and 1.0% on COCO validation dataset with ResNet50 and ResNet101 respectively at same training configs, and it can achieve 38.4% AP with two times training time. Code is at: http://github.com/chenzuge1/RetinaNet-Conf.git.

研究の動機と目的

• RetinaNetにおけるFocal Lossの導入にもかかわらず、1段階検出器と2段階検出器の間で依然として性能ギャップが生じ続けていることに対処すること。
• RetinaNetにおける高IoUの局所化と低分類スコアの間の不一致の根本的原因を解明すること。
• 分類と共有される特徴を用いる新しい補助タスクを導入することで、分類性能を向上させること。
• 分類スコアとオブジェクト信頼度をNMSで共同で使用することで、局所化と分類の不一致を低減すること。
• アーキテクチャの変更や追加の訓練テクニックなしに、より高い検出精度を達成すること。

提案手法

• 分類ヘッドと共有された特徴を用いて、アノテーションボックスと真値ボックス間のIoUを予測するオブジェクト信頼度タスクを導入する。
• 正例（IoU > 0.5）に限定してオブジェクト信頼度損失を計算し、高品質な正例に対して損失重みを増加させる。
• 分類ヘッドと同時にオブジェクト信頼度ヘッドを、統合損失目的関数を用いて学習する。
• 非最大抑制（NMS）の最終スコアとして、分類スコアとオブジェクト信頼度の積を使用する。
• データオーグメンテーションやハイパーパrameterチューニングなしに、RetinaNetと同一の訓練設定を適用する。
• MS COCO 2017での公平な比較のため、同じバックボーンネットワーク（ResNet50およびResNet101）を用いる。

実験結果

リサーチクエスチョン

• RQ1 RetinaNetがFocal Lossを導入しているにもかかわらず、なぜ2段階検出器に比べて依然として性能が劣るのか？
• RQ2 局所化と分類の不一致が、1段階検出器の性能にどの程度悪影響を及えるのか？
• RQ3 IoUを予測する補助的なオブジェクト信頼度タスクを導入することで、分類精度の向上と不一致の低減が可能か？
• RQ4 分類スコアとオブジェクト信頼度を組み合わせることで、NMSの品質と最終的なAPが向上するか？
• RQ5 この手法は、アーキテクチャの変更や追加の訓練テクニックなしに、性能向上を達成できるか？

主な発見

• 同じ訓練設定下で、ResNet50を用いた場合、MS COCO 2017の検証セットでAPが0.7%向上した。
• 同じ訓練設定下で、ResNet101を用いた場合、1.0%のAP向上を達成した。
• オブジェクト信頼度ヘッドは、高IoUボックスと低分類スコアの間の不一致を効果的に低減した。
• NMSにおける分類スコアとオブジェクト信頼度の共同使用により、より良い検出ボックス選択が可能になった。
• 2倍の訓練時間でも38.4%のAPを達成し、強力なスケーラビリティを示した。
• アーキテクチャの変更や追加のデータオーグメンテーションなしに、改善が達成された。