[論文レビュー] PointOBB-v2: Towards Simpler, Faster, and Stronger Single Point Supervised Oriented Object Detection

Botao Ren, Xue Yang+3 more|arXiv (Cornell University)|Oct 10, 2024

Advanced Neural Network Applications被引用数 4

ひとこと要約

PointOBB-v2 は、クラス確率マップ（CPM）と主成分分析（PCA）を用いて仮想回転ボックスを生成することで、教師-生徒構造を不要とし、より高速で単純かつ正確な単一ポイント監視下での回転物体検出手法を提案する。Dota-v1.0 から v2.0 にかけて、仮想ラベル生成を 15.58 倍高速化し、mAP を 11.60% 向上させ 25.15% にまで向上させた。特に小形および密集した物体に対して優れた性能を示した。

ABSTRACT

Single point supervised oriented object detection has gained attention and made initial progress within the community. Diverse from those approaches relying on one-shot samples or powerful pretrained models (e.g. SAM), PointOBB has shown promise due to its prior-free feature. In this paper, we propose PointOBB-v2, a simpler, faster, and stronger method to generate pseudo rotated boxes from points without relying on any other prior. Specifically, we first generate a Class Probability Map (CPM) by training the network with non-uniform positive and negative sampling. We show that the CPM is able to learn the approximate object regions and their contours. Then, Principal Component Analysis (PCA) is applied to accurately estimate the orientation and the boundary of objects. By further incorporating a separation mechanism, we resolve the confusion caused by the overlapping on the CPM, enabling its operation in high-density scenarios. Extensive comparisons demonstrate that our method achieves a training speed 15.58x faster and an accuracy improvement of 11.60%/25.15%/21.19% on the DOTA-v1.0/v1.5/v2.0 datasets compared to the previous state-of-the-art, PointOBB. This significantly advances the cutting edge of single point supervised oriented detection in the modular track.

研究の動機と目的

• 既存のポイント監視下での回転物体検出手法における非効率性と高メモリ使用量、特に PointOBB における遅い仮想ラベル生成を是正すること。
• 教師-生徒フレームワークや外部事前知識に依存しないようにし、トレーニング速度とメモリ効率を向上させること。
• 特に小形および重複する物体に対して、検出精度を向上させること。
• 仮想ラベル生成と検出器トレーニングを分離することで、柔軟性を高めたモジュラでスケーラブルなパイプラインを構築すること。

提案手法

• 非一様な正例・負例サンプリングを用いて、物体領域と輪郭の近似を学習するクラス確率マップ（CPM）を生成する。
• CPM に対して主成分分析（PCA）を適用し、高い精度で物体の向きとバウンディングボックス境界を推定する。
• CPM の確率分布に基づく非一様サンプリング戦略を採用することで、局所化精度と向き推定精度を向上させる。
• 密集した物体領域における重複する CPM が引き起こす仮想ラベルの混乱を解消するための分離機構を導入する。
• PointOBB で用いられる教師-生徒構造を廃止することで、トレーニング時間と GPU メモリ消費量を顕著に削減する。
• 小形車両や船などの密集物体カテゴリにおける性能をさらに向上させるために、ベクトル制約モジュールを適用する。

実験結果

リサーチクエスチョン

• RQ1 教師-生徒フレームワークや外部モデルに依存せずに、より単純で高速かつ正確な仮想ラベル生成パイプラインを、単一ポイント監視下での回転物体検出に設計可能か？
• RQ2 弱教師付き設定下で、PCA を用いてクラス確率マップ（CPM）を効果的に活用し、物体の向きと境界を推定することは可能か？
• RQ3 提案手法は、PointOBB と比較して、高密度および小形物体のシナリオにおける検出精度と効率をどの程度向上させるか？
• RQ4 中心点が不完全にラベル付けされたノイズのあるポイントアノテーションにおいても、本手法は頑健性を維持できるか？
• RQ5 分離機構は、重複または密集した物体領域における仮想ラベル品質をどのように向上させるか？

主な発見

• PointOBB-v2 は仮想ラベル生成を 15.58 倍高速化し、Dota-v1.5 においてトレーニング時間を 22.28 時間から 1.43 時間に短縮した。
• Dota-v1.0 において、mAP を PointOBB の 30.08% から 41.68% に向上させ、11.60% の向上を達成した。
• Dota-v1.5 においては、mAP を 30.65% から 36.39% に向上させ、25.15% の向上を示した。特に小形および密集物体カテゴリで顕著な向上が見られた。
• Dota-v2.0 においては、mAP を 26.63% から 27.22% に向上させ、相対的に 21.19% の向上を示した。極度の密集状況でも頑健であることを示した。
• ポイントアノテーションのノイズに対して安定した性能を維持し、中心点のずれが 10% の場合でも mAP はたった 2.27% の低下にとどまり、PointOBB を上回った。
• 可視化結果から、PointOBB-v2 は小形車両など密集した物体に対し、重複せず正確な仮想ラベルを生成しているのに対し、PointOBB は重複し、曖昧な予測を生成することが確認された。