[論文レビュー] MetaAnchor: Learning to Detect Objects with Customized Anchors

Tong Yang, Xiangyu Zhang+3 more|arXiv (Cornell University)|Jul 3, 2018

Advanced Neural Network Applications被引用数 89

ひとこと要約

MetaAnchor はカスタマイズされた prior box をアンカーファンクションへ動的にマッピングするジェネレーターを導入し、アンカー設定と境界ボックス分布への頑健性を向上させ、COCO Detection の RetinaNet ベースラインに対する性能を向上させる。

ABSTRACT

We propose a novel and flexible anchor mechanism named MetaAnchor for object detection frameworks. Unlike many previous detectors model anchors via a predefined manner, in MetaAnchor anchor functions could be dynamically generated from the arbitrary customized prior boxes. Taking advantage of weight prediction, MetaAnchor is able to work with most of the anchor-based object detection systems such as RetinaNet. Compared with the predefined anchor scheme, we empirically find that MetaAnchor is more robust to anchor settings and bounding box distributions; in addition, it also shows the potential on transfer tasks. Our experiment on COCO detection task shows that MetaAnchor consistently outperforms the counterparts in various scenarios.

研究の動機と目的

• 柔軟で頑健なアンカーを、事前に定義された priors の集合に固定せずに設計する動機づけ。
• 任意の prior box からアンカーファンクションを動的に生成する仕組みを提案する。
• 重み予測に基づくアンカーファンクション生成が検出の頑健性と転移能力を向上させることを示す。
• COCO における RetinaNet のような単段検出器との互換性と利得を実証する。

提案手法

• prior box bi をアンカーファンクション Fi_bi へ写像するアンカーファンクション ジェネレーター G(bi; w) を導入する。
• Fi_bi を Fi_bi(x; θi) = Fi(x; θbi) として θbi = θ* + R(bi; w) で表し、R は小さなニューラルネットワーク。
• Fi のパラメータを予測するデータ非依存およびデータ依存のバリアントを G(·) に対して提供する。
• priors bi を標準アンカーボックス AH, AW に対する対数スケールの高さ/幅比として表現する。
• MetaAnchor を RetinaNet に適用し、固定のアンカー処理ヘッドをクラス化・回帰ヘッド用のジェネレーターに置換し、レベル間で G(·) を共有しつつレベル固有の標準ボックスを用いる。
• 学習時に bi のランダムな摂動を加えてロバスト性を向上させるオプション的拡張。

実験結果

リサーチクエスチョン

• RQ1 任意の prior box からアンカーファンクションを動的に生成できるか（ priors を列挙する代わりに ）？
• RQ2 MetaAnchor はアンカーボックス分布への頑健性とデータ間の転移性を向上させるか？
• RQ3 データ非依存とデータ依存のアンカーファンクションジェネレータの性能はどう比較されるか？
• RQ4 推論時の柔軟なアンカー設定が検出性能にどのような影響を与えるか？
• RQ5 MetaAnchor は COCO から VOC2007 への転移など、既存の単段検出器（例: RetinaNet）に効果的に統合して検出指標を改善できるか？

主な発見

• MetaAnchor は複数のアンカー構成に対して一貫して RetinaNet ベースラインを上回り、mmAP およそ 0.2–0.8% の利益と AP50 およそ 0.8–1.5% の利益を達成する。
• 訓練/推論時により多くのアンカーを使用すると MetaAnchor の性能が一般に向上するが、7×7 あるいは 9×9 の構成を超えると収益の低下が見られる。
• COCO-full の minival で MetaAnchor は 37.5% mmAP を達成し、最良の RetinaNet 実装より 1.7% 上、最良の探索済み構成の RetinaNet よりも 0.6% 上の性能を示す。データ依存バリアントはさらに約 0.4% 向上。
• MetaAnchor は COCO-full から VOC2007 への転移時に RetinaNet より強い転移能力を示し、分布シフト下での性能低下の大幅な減少を示す。
• グリーディ推論戦略は、テスト時にスコア改善をもたらすアンカー構成を選択することで MetaAnchor の性能をさらに向上させる。
• データ依存のアンカーファンクション生成器は、いくつかの設定でデータ非依存よりわずかに良い性能を示すことが多い。