[論文レビュー] Knowledge-based Recurrent Attentive Neural Network for Traffic Sign Detection.

Kai Yi, Zhiqiang Jian+3 more|arXiv (Cornell University)|Mar 13, 2018

Advanced Neural Network Applications参考文献 28被引用数 7

ひとこと要約

本論文は、人間の脳の注意メカニズムと分野固有の空間的事前知識にインspiredされた、知識ベースの再帰的注意ニューラルネットワークを提案する。逆ガウス分布事前分布を用いて交通標識の位置をモデル化し、再帰的注意を統合することで、小さな物体に対する微細な検出精度を向上させ、実験では複数の最先端手法を上回る性能を発揮した。

ABSTRACT

Accurate Traffic Sign Detection (TSD) can help drivers make better decision according to the traffic regulations. TSD, regarded as a typical small object detection problem in some way, is fundamental in the field of self-driving and advanced driver assistance systems. However, small object detection is still an open question. In this paper, we proposed a human brain inspired network to handle this problem. Attention mechanism is an essential function of our brain, we used a novel recurrent attentive neural network to improve the detection accuracy in a fine-grained manner. Further, as we human can combine domain specific knowledge and intuitive knowledge to solve tricky tasks, we proposed an assumption that the location of the traffic signs obeys the reverse gaussian distribution, which means the location is around the central bias of every picture. Experimental result shows that our methods achieved better performance than several popular methods used in object detection.

研究の動機と目的

• 自律走行や高度運転支援システムにおいて重要なタスクである、正確な交通標識検出の課題に対処すること。
• 人間の認知にインspiredされた注意メカニズムを活用することで、特に小さな交通標識の検出性能を向上させること。
• 画像中央に集中する逆ガウス空間分布を仮定することで、一般的な交通標識の位置に関する分野固有の知識を組み込むこと。
• 局所化と分類の両面で優れた性能を得るために、繰り返し特徴表現を精錬する再帰的注意ネットワークを構築すること。

提案手法

• 人間の注意にインスパイアされた、関連する画像領域に繰り返し注目する再帰的注意ニューラルネットワークアーキテクチャを提案する。
• 交通標識が画像中央付近に出現する可能性が高いため、特徴学習をガイドする目的で、逆ガウス空間事前分布を導入する。
• 複数回の注意イテレーションを通じて特徴マップを段階的に精錬する再帰的構造を用い、表現品質を向上させる。
• 注意メカニズムと知識ベースの事前分布を統合することで、微細な小さな物体の状況における検出精度を向上させる。
• 注目重みを繰り返し更新することで、関連する交通標識特徴を強調する、特徴精錬プロセスを採用する。

実験結果

リサーチクエスチョン

• RQ1 標準的な物体検出モデルと比較して、再帰的注意ニューラルネットワークは小さな交通標識の検出精度を向上させることができるか？
• RQ2 逆ガウス空間事前分布を用いた注意のガイドは、交通標識検出においてどの程度有効であるか？
• RQ3 認知にインスパイアされた注意と分野固有の知識を組み合わせることで、小さな物体検出タスクにおける性能が向上するか？
• RQ4 提案手法は、既存の最先端手法と比較して、交通標識検出においてどの程度優れているか？

主な発見

• 提唱された手法は、ベンチマークデータセット上で、複数の一般的な物体検出手法と比較して優れた検出精度を達成した。
• 逆ガウス空間事前分布の統合により、小さな交通標識の局所化精度が顕著に向上した。
• 再帰的注意メカニズムにより、特徴の精錬が向上し、複雑なシーンでも検出性能が向上した。
• 繰り返しの注意更新によって高関連性の領域に注目することで、小さな交通標識の検出においても頑健な性能を示した。