[論文レビュー] Oriented R-CNN for Object Detection

Xingxing Xie, Gong Cheng+3 more|arXiv (Cornell University)|Aug 12, 2021

Advanced Neural Network Applications参考文献 43被引用数 4

ひとこと要約

本論文は、計算コストを最小限に抑えながら高品質な回転方向提案を生成できる軽量な回転方向Region Proposal Network（回転方向RPN）を用いた2段階型オブジェクト検出フレームワーク、Oriented R-CNNを提案する。標準的なRPNの回帰を6パラメータに拡張する中点オフセット表現を導入することで、1枚のRTX 2080Tiで15.1 FPSの推論速度を達成し、DOTAで75.87%のmAP、HRSC2016で96.50%のmAPを達成し、精度と効率のトレードオフにおいて、1段階型および2段階型検出器を凌駃する最新の性能を実現した。

ABSTRACT

Current state-of-the-art two-stage detectors generate oriented proposals through time-consuming schemes. This diminishes the detectors' speed, thereby becoming the computational bottleneck in advanced oriented object detection systems. This work proposes an effective and simple oriented object detection framework, termed Oriented R-CNN, which is a general two-stage oriented detector with promising accuracy and efficiency. To be specific, in the first stage, we propose an oriented Region Proposal Network (oriented RPN) that directly generates high-quality oriented proposals in a nearly cost-free manner. The second stage is oriented R-CNN head for refining oriented Regions of Interest (oriented RoIs) and recognizing them. Without tricks, oriented R-CNN with ResNet50 achieves state-of-the-art detection accuracy on two commonly-used datasets for oriented object detection including DOTA (75.87% mAP) and HRSC2016 (96.50% mAP), while having a speed of 15.1 FPS with the image size of 1024$ imes$1024 on a single RTX 2080Ti. We hope our work could inspire rethinking the design of oriented detectors and serve as a baseline for oriented object detection. Code is available at https://github.com/jbwang1997/OBBDetection.

研究の動機と目的

• 高精度な2段階型回転方向オブジェクト検出器における、高コストな回転方向提案生成によって引き起こされる計算ボトルネックを解消すること。
• 任意の方向を対象とするオブジェクト検出のための単純で効率的かつ高精度な2段階型フレームワークを設計すること。
• 提案生成のパラメータ数と推論コストを削減しながら、高い再現率と局所化精度を維持すること。
• 精度と速度のバランスを取った、回転方向オブジェクト検出のための新しいベースラインを確立すること。
• 新しい表現手法を通じて、回転方向検出器の設計と回帰方式の見直しを促すこと。

提案手法

• 標準的なRPNの出力を4パラメータから6パラメータに拡張することで、回転方向バウンディングボックスを予測できる軽量な回転方向RPNを提案する。
• 中点オフセット表現を導入し、6パラメータ（中点座標、幅、高さ、角度）を用いて回転対象を符号化することで、境界付きで安定した回帰を可能にする。
• 2段階目の処理で回転方向提案からの特徴抽出と分類・回帰を実行するため、回転RoIアライメントを採用する。
• パラメータ数を最小限に抑えるために、回転方向RPNに完全畳み込みアーキテクチャを採用し、過学習のリスクを低減する。
• バックボーンネットワークとしてResNet-50-FPNを採用し、マルチスケールのトレーニングとテストを適用して性能を向上させる。
• 推論時に1枚あたり上位1000件の提案を選択することで、速度と精度のバランスを図る。

実験結果

リサーチクエスチョン

• RQ1 計算コストを著しく増加させることなく、高品質な回転方向提案を生成できる単純で軽量な回転方向RPNを設計できるか？
• RQ2 アンカー基準またはトランスフォーマー基準の手法と比較して、中点オフセット表現は回転方向オブジェクト回帰の安定性と効率をどのように向上させるか？
• RQ3 2段階型検出器が、1段階型検出器と同等の推論速度を維持しながら、最新の精度を達成できるか？
• RQ4 回転方向オブジェクト検出における最終的な検出mAPに、提案の品質（例：上位N件での再現率）が与える影響は何か？
• RQ5 標準ベンチマーク上での既存の1段階型および2段階型回転方向検出器と比較して、本フレームワークの精度と速度はどのように異なるか？

主な発見

• Oriented R-CNNは、ResNet-50-FPNを用いてDOTAデータセットで75.87%のmAPを達成し、深さの大きいバックボーンを搭載した既存の最先端手法をすべて上回った。
• HRSC2016データセットでは、ResNet-50-FPNを用いて96.50%のmAPを達成し、新たな最先端精度を樹立した。
• マルチスケールのトレーニングとテストを適用した場合、同じResNet-50-FPNバックボーンを用いてDOTAでのmAPは80.87%に上昇した。
• 1024×1024の入力解像度で1枚のRTX 2080Tiで15.1 FPSの推論速度を達成し、高い効率性を示した。
• 回転方向RPNは、2000件の提案で92.80%の再現率を達成し、1000件に削減した場合でも僅か0.6%の低下にとどまり、優れた提案品質を示した。
• 回転方向RPNのパラメータ数は、RoI Transformer+の約1/3000、回転RPNの約1/15であり、モデルの複雑さを顕著に低減した。