[論文レビュー] Vehicle classification using ResNets, localisation and spatially-weighted pooling

Rohan Watkins, Nick Pears+1 more|arXiv (Cornell University)|Oct 15, 2018

Advanced Neural Network Applications参考文献 4被引用数 5

ひとこと要約

本稿では、空間的重み付きプーリング（SWP）と専用の局所化ネットワークを用いたResNet-50ベースの方法を提案し、Comprehensive Carsデータセット上で96.351%のトップ1精度を達成した。SWPと局所化の併用により、標準のResNet-50に比べて3.7ポイント向上したが、依然として事前学習済みモデルの最先端水準にはわずかに及ばない。

ABSTRACT

We investigate whether ResNet architectures can outperform more traditional Convolutional Neural Networks on the task of fine-grained vehicle classification. We train and test ResNet-18, ResNet-34 and ResNet-50 on the Comprehensive Cars dataset without pre-training on other datasets. We then modify the networks to use Spatially Weighted Pooling. Finally, we add a localisation step before the classification process, using a network based on ResNet-50. We find that using Spatially Weighted Pooling and localisation both improve classification accuracy of ResNet50. Spatially Weighted Pooling increases accuracy by 1.5 percent points and localisation increases accuracy by 3.4 percent points. Using both increases accuracy by 3.7 percent points giving a top-1 accuracy of 96.351\% on the Comprehensive Cars dataset. Our method achieves higher accuracy than a range of methods including those that use traditional CNNs. However, our method does not perform quite as well as pre-trained networks that use Spatially Weighted Pooling.

研究の動機と目的

• 事前学習を行わない状態で、ResNetアーキテクチャが従来のCNNよりも細分化された車両分類において優れた性能を発揮するかどうかを評価すること。
• 空間的重み付きプーリング（SWP）が車両認識における分類精度に与える影響を調査すること。
• 局所化ネットワークが車両分類性能の向上に果たす貢献を評価すること。
• 特に事前学習済みモデルを用いた既存の最先端手法と比較して、提案手法の性能を評価すること。

提案手法

• 特徴抽出のバックボーンネットワークとしてResNet-50を用い、ImageNetでの事前学習なしにComprehensive Carsデータセット上で訓練した。
• 最終畳み込み層の後に空間的重み付きプーリング（SWP）を適用し、空間的に関連する特徴を強調した。バインニングはボクシングボックスの寸法および位置に基づく。
• 車両のボクシングボックスを予測するための別個の局所化ネットワーク（ResNet-50ベース）を訓練し、分類の前に特徴の関連性を向上させた。
• ResNet-50特徴抽出器の上に回帰ヘッドを設け、x, y座標、幅、高さのボクシングボックス予測を実行した。
• 最終的な分類ヘッドは、1024ユニットの全結合層とソフトマックスから構成され、SWPが空間的特徴表現を強化した。
• 局所化ネットワークの出力とSWP強化特徴を統合することで、分類精度を向上させた。

実験結果

リサーチクエスチョン

• RQ1 事前学習を行わない状態で、ResNetアーキテクチャは従来のCNNよりも細分化された車両分類において優れた性能を発揮できるか？
• RQ2 空間的重み付きプーリング（SWP）は、車両認識タスクにおける分類精度をどの程度向上させるか？
• RQ3 専用の局所化ネットワークは、車両分類の性能向上にどの程度寄与するか？
• RQ4 特に事前学習を用いたモデルと比較して、提案手法の精度はどの程度か？

主な発見

• 空間的重み付きプーリング（SWP）単体で、標準のResNet-50に比べてトップ1精度が1.5ポイント向上した。
• 局所化ネットワーク単体で、トップ1精度が3.4ポイント向上した。
• SWPと局所化を併用することで、トップ1精度が合計3.7ポイント向上し、96.351%に達した。
• 最良のモデルではトップ5精度が99.463%に達しており、予測誤差に対する強いロバストネスを示している。
• 非ResNetベースライン（例：ディープエッジカラー法、トップ1精度95.9%）よりも高い精度を達成したが、パラメータ数が多くなっており（67M vs. 11M）コストが高くなった。
• 局所化ネットワークは頑健であり、99%の予測が真値から1つのバイン（10.5ピクセル）以内に収まったが、位置予測に比べて幅と高さの予測はやや精度が低かった。