[論文レビュー] Improving 3D Object Detection through Progressive Population Based Augmentation

Shuyang Cheng, Zhaoqi Leng+11 more|arXiv (Cornell University)|Apr 2, 2020

Advanced Neural Network Applications参考文献 39被引用数 12

ひとこと要約

本稿では、段階的に探索空間を縮小し、上位のハイパーパramータを再利用することで、ポイントクラウドにおける3次元オブジェクト検出の最適なデータオーグメンテーションポリシーを学習する自動化手法であるプログレッシブ・ポピュレーションベースドーアウグメンテーション（PPBA）を提案する。PPBAはKITTIおよびWaymo Open Datasetで最先端の性能を達成し、データ効率を10倍に向上させ、推論コストを伴わず、ランダム探索やPBAベースラインを上回る。

ABSTRACT

Data augmentation has been widely adopted for object detection in 3D point clouds. However, all previous related efforts have focused on manually designing specific data augmentation methods for individual architectures. In this work, we present the first attempt to automate the design of data augmentation policies for 3D object detection. We introduce the Progressive Population Based Augmentation (PPBA) algorithm, which learns to optimize augmentation strategies by narrowing down the search space and adopting the best parameters discovered in previous iterations. On the KITTI 3D detection test set, PPBA improves the StarNet detector by substantial margins on the moderate difficulty category of cars, pedestrians, and cyclists, outperforming all current state-of-the-art single-stage detection models. Additional experiments on the Waymo Open Dataset indicate that PPBA continues to effectively improve the StarNet and PointPillars detectors on a 20x larger dataset compared to KITTI. The magnitude of the improvements may be comparable to advances in 3D perception architectures and the gains come without an incurred cost at inference time. In subsequent experiments, we find that PPBA may be up to 10x more data efficient than baseline 3D detection models without augmentation, highlighting that 3D detection models may achieve competitive accuracy with far fewer labeled examples.

研究の動機と目的

• 3次元オブジェクト検出のためのデータオーグメンテーションポリシーの設計を自動化し、手動で設計されたアーキテクチャ固有のオーグメンテーション手法を超えること。
• 点群における高次元で幾何的特徴を持つオーグメンテーション空間の課題に対処すること。これは、2次元画像のオーグメンテーション探索手法をそのまま適用するには不適切である。
• 効率的な探索によって、有効なオーグメンテーションポリシーを発見することで、3次元検出におけるモデルの汎化性能とデータ効率を向上させること。
• 本手法の汎化性を検証するため、2次元画像分類タスクへの応用を試みること。

提案手法

• PPBAは、前回のラウンドで得られた最高性能を示したオーグメンテーションパラメータに注目することで、繰り返しの反復において探索空間を狭める進化的な探索戦略を用いる。
• オーグメンテーションポリシーの集団を維持し、選択、突然変異、交差を経て進化させ、バリデーションセット上で性能を評価する。
• 前回の反復で得られた高性能なハイパーパramータを再利用することで、探索の冗長性を低減し、段階的に探索空間を洗練させる。
• 幾何変換（回転、スケーリング、ポイントクラウドのドロップアウトなど）を含む探索空間を構築し、3次元ポイントクラウドデータの特性に適合させる。
• PPBAは、3次元検出モデル（例：StarNet、PointPillars）および2次元画像分類（ImageNet上のResNet-50）に適用され、汎用性を示す。
• 計算コストが低く、ImageNetではV100でたった16 GPU時間で実行可能であるのに対し、AutoAugmentは15,000時間必要となる。

実験結果

リサーチクエスチョン

• RQ1 自動化されたデータオーグメンテーションは、ポイントクラウドにおける3次元オブジェクト検出性能を著しく向上させ、手動で設計された手法を上回ることができるか？
• RQ2 PPBAは、3次元検出のための有効なオーグメンテーションポリシーを発見する上で、ランダム探索やポピュレーションベースドーターニング（PBA）と比較してどのように優れているか？
• RQ3 PPBAは、特にラベル付きデータが限られた状況下で、3次元検出におけるデータ効率をどの程度向上させるか？
• RQ4 PPBAは3次元検出を越えて、2次元画像分類のような他のビジョンタスクにも汎用的に適用可能か？

主な発見

• KITTI 3次元検出テストセットにおいて、PPBAは車両、歩行者、自転車の3クラスにおいて中程度の難易度で、StarNet検出器を顕著に向上させ、現在のSOTA単一段階モデルをすべて上回る。
• Waymo Open Datasetでは、PPBAはStarNetおよびPointPillars両検出器を向上させ、モデルアーキテクチャの進歩と同等の向上を達成し、推論コストを伴わない。
• Waymoデータセットの10％のみで学習する場合、PPBAは最大10倍のデータ効率を実現し、特に1フレームからのサンプリング時において顕著である。
• ImageNetバリデーションセットでは、PPBAはたった16 GPU時間で77.5％のTop-1精度を達成し、精度はAutoAugmentと同等でありながら、計算効率が優れている。
• PPBAの性能向上は、小規模なデータセットサイズで顕著に現れ、強力な正則化および汎化の恩恵があることを示している。
• PPBAは2次元画像分類に対しても効果的に汎用可能であり、3次元認識タスクを越えた広範な適用可能性を示している。