[論文レビュー] Phase-Shifting Coder: Predicting Accurate Orientation in Oriented Object Detection

Yi Yu, Feipeng Da|arXiv (Cornell University)|Nov 11, 2022

Advanced Image and Video Retrieval Techniques被引用数 7

ひとこと要約

本稿では、方向角を周期的位相にマッピングすることで、方向付きオブジェクト検出における境界不連続性およびスクエア型問題を解消する微分可能で角度符号化可能な手法、位相シフト符号化子（PSC）およびその二周波数版（PSCD）を提案する。PSCは、DOTAでmAP75において最大2.59ppの向上を達成し、ハイパーパramータチューニングなしでさまざまなデータセットに良好に一般化する、最先端の性能を発揮する。

ABSTRACT

With the vigorous development of computer vision, oriented object detection has gradually been featured. In this paper, a novel differentiable angle coder named phase-shifting coder (PSC) is proposed to accurately predict the orientation of objects, along with a dual-frequency version (PSCD). By mapping the rotational periodicity of different cycles into the phase of different frequencies, we provide a unified framework for various periodic fuzzy problems caused by rotational symmetry in oriented object detection. Upon such a framework, common problems in oriented object detection such as boundary discontinuity and square-like problems are elegantly solved in a unified form. Visual analysis and experiments on three datasets prove the effectiveness and the potentiality of our approach. When facing scenarios requiring high-quality bounding boxes, the proposed methods are expected to give a competitive performance. The codes are publicly available at https://github.com/open-mmlab/mmrotate.

研究の動機と目的

• 角の周期性に起因する方向付きオブジェクト検出における境界不連続性およびスクエア型問題を解消すること。
• 光学的位相シフト技術にインspiredされ、回転対称性問題（180°および90°）を統一的なフレームワークで扱うこと。
• 深層学習ベースの検出器における回帰精度を向上させる、微分可能でエンドツーエンドで学習可能な角度符号化子を開発すること。
• 一貫した訓練条件のもとで、DOTA、HRSC、OCDPCBといった多様なデータセット上で本手法を評価すること。
• データセット固有のハイパーパramータチューニングなしで一般化性能を示すことを実証すること。

提案手法

• PSCは、単一周波数を用いて方向角を周期的位相に符号化し、位相の連続性を活かして±π/2における境界不連続性を解消する。
• PSCDは、位相の曖昧性を解消する二周波数（低周波と高周波）を用いて、位相アンラップによりスクエア型問題を解消する。
• 位相はφ = (θ + π) / (2π) × Nとして計算され、Nは位相ビンの数であり、[−π, π]の範囲を[0, N)にマッピングする。
• ネットワークは位相値を直接予測し、位相マッピングを逆算して角度を復元することで、微分可能学習を可能にする。
• 二周波数アプローチにより、低周波と高周波の位相を組み合わせ、90°回転対称性下でも真の角度を一意に特定可能となる。
• PSCおよびPSCDは、RetinaNet、FCOS、YOLOv5など標準的な検出器に統合され、計算オーバーヘッドは最小限に抑えられる。

実験結果

リサーチクエスチョン

• RQ1 位相シフト符号化は、方向付きオブジェクト検出における境界不連続性を効果的に解消できるか？
• RQ2 二周波数位相シフトアプローチは、90°回転対称性に起因するスクエア型問題を解消できるか？
• RQ3 提案手法PSCは、データセット固有のハイパーパramータチューニングなしでさまざまなデータセットに一般化できるか？
• RQ4 PSCは、CSL や KLD といった既存の角度符号化手法と比較して、mAPおよび推論効率の点で優れているか？
• RQ5 二周波数拡張（PSCD）は、さまざまなデータセットおよびモデルアーキテクチャにおいて性能にどのような影響を与えるか？

主な発見

• DOTAデータセットでは、PSCDがCSLに比べてmAP50で1.15pp、mAP75で2.59ppの向上を示し、顕著な精度向上を実現した。
• PSCDは、DOTAにおいてKLDに比べてmAP75で2.36pp高い性能を達成し、高IOU検出において優れた性能を示した。
• OCDPCBデータセットでは、PSCはハイパーパramータチューニングなしでKLDに比べてmAP75で9.83ppの向上を示し、優れた一般化性能を示した。
• PSCおよびPSCDは推論時間のオーバーヘッドが最小限で、1024×1024の画像におけるRetinaNet（R-50）にそれぞれ0.2msおよび0.5msの追加時間を要した。
• YOLOv5sではPSCDがmAP75を3.94pp、YOLOv5mでは3.60pp向上させたが、HRSCおよびOCDPCBでは性能が低下したため、文脈依存的な利点が示された。
• PSCおよびPSCDは、データセット固有のハイパーパramータチューニングを一切必要とせず、一貫した性能を発揮するため、新しいシナリオへの即座な統合（プラグアンドプレイ）が可能である。