[論文レビュー] Pedestrian Detection: The Elephant In The Room

Irtiza Hasan, Shengcai Liao+3 more|arXiv (Cornell University)|Mar 19, 2020

Advanced Neural Network Applications参考文献 35被引用数 19

ひとこと要約

この論文は、状態の最良の歩行者検出器が複数のデータセットに跨って一般化性能が低いことを特定し、限定的で密集した訓練データへの過適合がその原因であると特定している。本研究では、多様でウェブクロールされたデータセットを用いた前処理の段階的トレーニングパイプラインを提案し、テストセットの微調整なしにCityPersons（+1.3%/1.7% MR^2）およびCaltech（+1.8%/14.9%）で新たなSoTA性能を達成した。

ABSTRACT

Pedestrian detection is used in many vision based applications ranging from video surveillance to autonomous driving. Despite achieving high performance, it is still largely unknown how well existing detectors generalize to unseen data. To this end, we conduct a comprehensive study in this paper, using a general principle of direct cross-dataset evaluation. Through this study, we find that existing state-of-the-art pedestrian detectors generalize poorly from one dataset to another. We demonstrate that there are two reasons for this trend. Firstly, they over-fit on popular datasets in a traditional single-dataset training and test pipeline. Secondly, the training source is generally not dense in pedestrians and diverse in scenarios. Accordingly, through experiments we find that a general purpose object detector works better in direct cross-dataset evaluation compared with state-of-the-art pedestrian detectors and we illustrate that diverse and dense datasets, collected by crawling the web, serve to be an efficient source of pre-training for pedestrian detection. Furthermore, we find that a progressive training pipeline works good for autonomous driving oriented detector. We improve upon previous state-of-the-art on reasonable/heavy subsets of CityPersons dataset by 1.3%/1.7% and on Caltech by 1.8%/14.9% in terms of log average miss rate (MR^2) points without any fine-tuning on the test set. Detector trained through proposed pipeline achieves top rank at the leaderborads of CityPersons [42] and ECP [4]. Code and models can be accessed at this https URL.

研究の動機と目的

• 異なるデータセットに跨る最先端の歩行者検出器の一般化性能を調査すること。
• 既存の歩行者検出モデルにおける一般化性能の低さの根本的原因を同定すること。
• 多様でウェブクロールされたデータセットが歩行者検出の前処理ソースとして有効であるかを評価すること。
• 自動運転指向のベンチマークで検出器性能を向上させる段階的トレーニングパイプラインの設計と検証すること。

提案手法

• 複数の歩行者検出ベンチマークに跨る一般化性能を評価するため、直接的なデータセット間評価を実施する。
• ウェブクロールを用いて多様で密集した歩行者画像を収集し、データの多様性とカバー範囲を拡大する。
• 段階的に下流タスクに検出器を適応させるパイプラインを実装し、耐性を向上させる。
• ターゲットデータセットへの微調整の前に、収集したウェブデータで汎用的オブジェクト検出器をトレーニングし、テストセットの適応を回避する。
• 標準的な指標（例：対数平均ミス率（MR^2））を用いて、既存のSoTA歩行者検出器と性能を比較する。

実験結果

リサーチクエスチョン

• RQ1 なぜ最先端の歩行者検出器は異なるデータセットに跨って一般化に失敗するのか？
• RQ2 人気のあるデータセットへの過適合が、検出器の一般化性能をどの程度制限するのか？
• RQ3 多様でウェブクロールされたデータセットは、歩行者検出の一般化性能を向上させることができるか？
• RQ4 段階的トレーニングパイプラインは、自動運転指向のベンチマークで性能を向上させるか？
• RQ5 ウェブクロールされたデータでの前処理は、標準データセットでの従来のトレーニングと比較して、データセット間評価でどの程度優れているか？

主な発見

• 最先端の歩行者検出器は、限定的で多様性に欠ける訓練データへの過適合のため、異なるデータセットに跨る一般化性能が低い。
• 多様でウェブクロールされたデータで事前学習した汎用的オブジェクト検出器は、直接的なデータセット間評価において、特化型の歩行者検出器を上回る性能を示した。
• 提案された段階的トレーニングパイプラインにより、CityPersonsデータセットでは、合理的なサブセットで1.3%、重いサブセットで1.7%のMR^2向上が達成された。
• Caltechデータセットでは、合理的なサブセットで1.8%、重いサブセットで14.9%のMR^2向上が達成された。
• 本研究で提案するパイプラインでトレーニングされた検出器は、テストセットの微調整なしに、CityPersonsおよびECPのリーダーボードでトップランクを達成した。