[論文レビュー] Revisiting RCNN: On Awakening the Classification Power of Faster RCNN

Bowen Cheng, Yunchao Wei+4 more|arXiv (Cornell University)|Mar 19, 2018

Advanced Neural Network Applications被引用数 25

ひとこと要約

本論文では、ベース検出器から得られる高信頼度の誤検出（ハードな偽陽性）を対象として、別個のRCNNスタイル分類器を学習することで、Faster R-CNNの分類精度を向上させる手法であるDecoupled Classification Refinement（DCR）を提案する。DCRはFaster R-CNNのアーキテクチャを変更せずに、PASCAL VOCおよびCOCOでSOTAのmAPを達成し、高スコアの偽陽性を顕著に低減している。

ABSTRACT

Recent region-based object detectors are usually built with separate classification and localization branches on top of shared feature extraction networks. In this paper, we analyze failure cases of state-of-the-art detectors and observe that most hard false positives result from classification instead of localization. We conjecture that: (1) Shared feature representation is not optimal due to the mismatched goals of feature learning for classification and localization; (2) multi-task learning helps, yet optimization of the multi-task loss may result in sub-optimal for individual tasks; (3) large receptive field for different scales leads to redundant context information for small objects.We demonstrate the potential of detector classification power by a simple, effective, and widely-applicable Decoupled Classification Refinement (DCR) network. DCR samples hard false positives from the base classifier in Faster RCNN and trains a RCNN-styled strong classifier. Experiments show new state-of-the-art results on PASCAL VOC and COCO without any bells and whistles.

研究の動機と目的

• Faster R-CNNのような最先端のオブジェクト検出器が、強力な局所化性能とマルチタスク学習を備えながらも、高信頼度の偽陽性に苦しむ理由を解明すること。
• 領域ベース検出器における分類失敗の根本的原因を分析すること、特に共有特徴学習における分類と局所化の目的の不一致に焦点を当てる。
• Faster R-CNNスタイルの検出器における分類の潜在的性能が、分類と局所化を分離し、専用分類器で精緻化することで解き放たれるかを検討すること。
• 特にハードな偽陽性（高スコアで誤検出されたもの）に焦点を当て、それらを抑制することで検出mAPを向上させること。

提案手法

• DCRは、ベースのFaster R-CNN検出器の出力からハードな偽陽性（高信頼度で誤検出されたもの）をサンプリングする。
• これらのハードな偽陽性に対して、より強力で判別力の高い分類器を学習するため、別個のRCNNスタイルの深層ネットワークを訓練する。
• DCRモジュールはベースのFaster R-CNNとは完全に分離されている：両方のネットワーク間でパラメータを共有しない。
• DCR分類器は、サンプルされたハードな例に対してエンドツーエンドで訓練され、識別が難しい領域と真のオブジェクトの間の区別を向上させることに焦点を当てる。
• 最終的な検出結果は、Faster R-CNNの領域候補と、DCRモジュールで精緻化された分類スコアを組み合わせることで得られる。
• 本手法はプラグアンドプレイである：バックボーンやRPNを変更せずに、Faster R-CNNに基づく任意の検出器に適用可能である。

実験結果

リサーチクエスチョン

• RQ1 Faster R-CNNにおいて、強力な局所化性能とマルチタスク学習を備えながらも、高信頼度の偽陽性がmAPを著しく悪化させる理由は何か？
• RQ2 2段階検出器において、分類と局所化の間で共有された特徴表現が、分類性能をどの程度劣化させるか？
• RQ3 ハードな偽陽性の上に、分離された専用分類器を訓練することで、アーキテクチャの変更なしに検出精度を顕著に向上させられるか？
• RQ4 DCRモジュールは、オブジェクトの特性（被覆、サイズ、アスペクト比）への感受性にどのように影響を与えるか？
• RQ5 大きな受容 field が小サイズオブジェクトの分類に与える影響は何か？また、局所化された注目機構は性能向上に寄与するか？

主な発見

• Faster R-CNNがPASCAL VOC 2007で全偽陽性を是正できた場合、理論的には86.8%のmAPに達する可能性がある（実際の79.8%と比較）。
• しきい値を超える高信頼度の偽陽性のみを是正することで、mAPが3.0%向上する可能性があり、それらが性能低下に顕著に寄与していることが示された。
• DCRはPASCAL VOC 2007テストセットにおいて、ハードな偽陽性の数をほぼ3倍に削減し、検出品質を顕著に向上させた。
• DCRモジュールは正規化されたAPを向上させ、被覆やサイズといったオブジェクト特性への感受性を低減しており、より高いロバスト性を示している。
• COCOにおいても、DCRはあらゆる装飾を加えず、同じバックボーンを用いた既存の手法を上回るSOTAのmAPを達成した。
• 1080 Ti GPUにおける推論時間は1.39秒/インスタンスとベースラインより遅いが、顕著な精度向上を達成しており、今後の研究で速度最適化を進める予定である。