[論文レビュー] Rotation Invariance Neural Network

Shiyuan Li|arXiv (Cornell University)|Jun 17, 2017

Image and Object Detection Techniques参考文献 13被引用数 4

ひとこと要約

本論文は、2次元記号認識における回転不変性を達成するために、循環畳み込み層を備えた新規な畳み込みニューラルネットワークアーキテクチャを提案する。特徴学習における回転対称性を活用することで、位置と方向の同時検出が可能となり、特定の状況ではワンショット学習をサポートし、データ拡張なしで回転した入力に対しても高い精度を維持する。

ABSTRACT

Rotation invariance and translation invariance have great values in image recognition tasks. In this paper, we bring a new architecture in convolutional neural network (CNN) named cyclic convolutional layer to achieve rotation invariance in 2-D symbol recognition. We can also get the position and orientation of the 2-D symbol by the network to achieve detection purpose for multiple non-overlap target. Last but not least, this architecture can achieve one-shot learning in some cases using those invariance.

研究の動機と目的

• 2次元記号認識における回転不変性を解決すること、これは画像認識分野の重要な課題である。
• 1つのネットワークアーキテクチャ内でオブジェクトの位置と方向を同時に予測すること。
• ネットワーク設計に内在する不変性特性を活用することでワンショット学習を可能とすること。
• CNNにおける回転耐性を確保するためのデータ拡張への依存を軽減すること。
• 回転下でも複数の重複しない記号を検出可能なスケーラブルでエンドツーエンドのソリューションを提供すること。

提案手法

• 特徴マップ全体に回転的にフィルタを適用することで回転等価性を強制する、循環畳み込み層を提案する。
• 共有された特徴表現を用いて、検出された記号の空間的位置と方向を同時に出力するネットワークを設計する。
• 共有された特徴抽出バックボーンに加え、回転等価性を持つヘッドを採用し、方向と位置を同時に予測する。
• 分類、局所化、方向回帰の損失関数を組み合わせ、共同最適化を実現する。
• 循環構造を活用することで、明示的なデータ拡張なしに回転不変性を暗黙的に学習する。
• 循環層の不変性特性を活用することで、少数の例からも一般化可能なワンショット学習を実現する。

実験結果

リサーチクエスチョン

• RQ1 データ拡張に依存せずに、CNNアーキテクチャが回転不変性を達成できるか？
• RQ2 1つのネットワークが高精度でオブジェクトの位置と方向を同時に予測できるか？
• RQ3 このアーキテクチャが記号認識タスクにおいてどの程度ワンショット学習をサポートできるか？
• RQ4 循環畳み込み層は、標準的な畳み込みと比較して回転下での一般化性能をどのように向上させるか？
• RQ5 回転不変性が、複数の重複しない記号の検出性能に及ぼす影響は何か？

主な発見

• 循環畳み込み層は強力な回転不変性を実現し、標準CNNと比較して回転したテストサンプルにおける性能低下を著しく低減した。
• ネットワークは高い局所化精度と方向認識精度を維持しながら、複数の重複しない記号を効果的に検出できた。
• 循環層の不変性特性のおかげで、特定の状況ではワンショット一般化が達成された。
• 明示的に方向をモデル化しながらも、標準ベンチマークで競争力ある精度を維持した。
• 回転耐性認識タスクにおいて、広範なデータ拡張の必要性が軽減された。
• 位置と方向の同時予測は効果的であり、複数オブジェクトの状況下でも性能劣化が最小限に抑えられた。