[論文レビュー] The KFIoU Loss for Rotated Object Detection

Xue Yang, Yue Zhou+6 more|arXiv (Cornell University)|Jan 29, 2022

Advanced Neural Network Applications被引用数 88

ひとこと要約

本稿は KFIoU loss を導入する。回転物体検出のための SkewIoU に対する Gaussian-product ベースの近似で、実装が容易で、完全に微分可能。2-D および 3-D の拡張を含み、空中画像、テキスト、顔データセットで高い性能を示す。

ABSTRACT

Differing from the well-developed horizontal object detection area whereby the computing-friendly IoU based loss is readily adopted and well fits with the detection metrics. In contrast, rotation detectors often involve a more complicated loss based on SkewIoU which is unfriendly to gradient-based training. In this paper, we propose an effective approximate SkewIoU loss based on Gaussian modeling and Gaussian product, which mainly consists of two items. The first term is a scale-insensitive center point loss, which is used to quickly narrow the distance between the center points of the two bounding boxes. In the distance-independent second term, the product of the Gaussian distributions is adopted to inherently mimic the mechanism of SkewIoU by its definition, and show its alignment with the SkewIoU loss at trend-level within a certain distance (i.e. within 9 pixels). This is in contrast to recent Gaussian modeling based rotation detectors e.g. GWD loss and KLD loss that involve a human-specified distribution distance metric which require additional hyperparameter tuning that vary across datasets and detectors. The resulting new loss called KFIoU loss is easier to implement and works better compared with exact SkewIoU loss, thanks to its full differentiability and ability to handle the non-overlapping cases. We further extend our technique to the 3-D case which also suffers from the same issues as 2-D. Extensive results on various public datasets (2-D/3-D, aerial/text/face images) with different base detectors show the effectiveness of our approach.

研究の動機と目的

• 回転物体検出における回転 SkewIoU 指標と回帰損失の不整合を動機づけ、対処する。
• ガウスモデリングに基づく微分可能でハイパーパラメータ不要の損失を提案し、SkewIoU を近似する。
• 2-D から 3-D 回転検出へのアプローチを拡張し、多様なデataset と検出器で検証する。

提案手法

• 回転境界ボックスを回転と固有値分解 (R, Λ) によってガウス分布へ変換する。
• ガウスの中心点距離を縮める尺度不変の中心点損失を用いる。
• ガウス分布の積による重なりを計算し、重ね合わせに基づく正規化された loss として KFIoU を導出する。
• 回帰損失を L_reg = L_c + L_kf、L_kf = exp(1 - KFIoU) - 1 として定式化する。
• 中心点損失 L_c の2つの選択肢を提供する（標準の L_n ベースまたは KLD ベースの中心項）。
• エンドツーエンド微分可能性を維持し、非重なりケースへの適用性を保ちつつ、2-D および 3-D 拡張に対応する。

実験結果

リサーチクエスチョン

• RQ1 完全に微分可能なガウス積ベースの損失がハイパーパラメータ調整なしに回転ボックスの SkewIoU を近似できるか。
• RQ2 提案された KFIoU 損失が、GWD、KLD、そして単純な SkewIoU に比べて、2-D および 3-D のタスクと多様なデータセットで回転検出性能を改善するか。
• RQ3 KFIoU と SkewIoU のトレンドレベルの整合性は、距離やアスペクト比の変化に対して他のガウスベース損失（GWD、KLD）と比較してどのようか。

主な発見

• KFIoU 損失は標準的な DL 演算で実装しやすく、非重大ケースを効果的に処理する。
• KFIoU は GWD および KLD より SkewIoU とのトレンドレベルの整合性が高く、ハイパーパラメータへの感度を低減する。
• 複数のデータセット（空中、シーンテキスト、顔）および検出器で、KFIoU は最適チューニング済みのガウスベースのバリアントと単純な SkewIoU バリアントを上回る。
• ガウスモデリングを 3-D 回転検出に拡張すると、KITTI BEV/3-D 指標でベースラインより顕著な改善をもたらす。