[논문 리뷰] A Single Shot Text Detector with Scale-adaptive Anchors

Yuan Qi, Bingwang Zhang외 3명|arXiv (Cornell University)|2018. 07. 05.

Handwritten Text Recognition Techniques참고 문헌 13인용 수 4

한 줄 요약

이 논문은 스케일 적응형 앵커를 갖춘 단일 스텝, 엔드 투 엔드 텍스트 검출기를 제안하며, 학습된 스케일 회귀 레이어를 통해 앵커 크기를 동적으로 조정함으로써 계산 비용을 줄이고 소형 텍스트 검출 성능을 향상시킨다. 고정 크기의 앵커 대신 연속적이고 적응형 스케일을 사용하고, 수신장역할을 조정하기 위해 앵커 컨볼루션을 도입함으로써, 이미지당 0.28초의 추론 시간을 달성하면서 ICDAR11 및 ICDAR13에서 정확도와 효율성 면에서 최신 기술을 초월한다.

ABSTRACT

Currently, most top-performing text detection networks tend to employ fixed-size anchor boxes to guide the search for text instances. They usually rely on a large amount of anchors with different scales to discover texts in scene images, thus leading to high computational cost. In this paper, we propose an end-to-end box-based text detector with scale-adaptive anchors, which can dynamically adjust the scales of anchors according to the sizes of underlying texts by introducing an additional scale regression layer. The proposed scale-adaptive anchors allow us to use a few number of anchors to handle multi-scale texts and therefore significantly improve the computational efficiency. Moreover, compared to discrete scales used in previous methods, the learned continuous scales are more reliable, especially for small texts detection. Additionally, we propose Anchor convolution to better exploit necessary feature information by dynamically adjusting the sizes of receptive fields according to the learned scales. Extensive experiments demonstrate that the proposed detector is fast, taking only $0.28$ second per image, while outperforming most state-of-the-art methods in accuracy.

연구 동기 및 목표

• 다양한 스케일의 도메인 텍스트 검출에서 고정 크기의 앵커 박스가 효율적이지 못하고 정확도가 떨어지는 문제를 해결하기 위해.
• 다양한 스케일의 텍스트 검출에 필요한 앵커 수를 최소화하여 계산 비용을 줄이기 위해.
• 특히 소형 및 크기가 변하는 텍스트 인스턴스에 대해 검출의 강건성을 향상시키기 위해.
• 이산적 앵커 스케일에 의존하는 것 대신 연속적인 스케일 예측을 가능하게 하기 위해.
• 앵커 크기에 따라 수신장역할을 동적으로 적응시켜 앵커 컨볼루션을 통해 특징 추출을 향상시키기 위해.

제안 방법

• 각 앵커 위치에 대해 연속적인 스케일 값을 예측하는 스케일 회귀 레이어를 도입하여 앵커 크기를 동적으로 조정할 수 있도록 한다.
• 예측된 스케일 값을 활용해 앵커 박스의 크기를 적응적으로 재조정함으로써, 여러 고정 크기의 앵커를 대체한다.
• 학습된 스케일에 따라 각 앵커의 효과적 수신장역할 크기를 조정하는 앵커 컨볼루션을 제안하여 특징 표현을 향상시킨다.
• VGG16의 Conv4_3에서 단일 특징 맵 예측 전략을 사용하고 스케일 적응형 앵커를 적용하여 계산을 줄인다.
• 전체 모델을 엔드 투 엔드로 훈련하여 객체 크기 예측을 위한 추가적인 감독 없이도 가능하게 한다.
• 스케일 적응 메커니즘을 활용해 추론 시간을 크게 줄이면서도 높은 정확도를 유지한다.

실험 결과

연구 질문

• RQ1 고정 크기의 앵커를 스케일 적응형 앵커로 대체함으로써 단일 스텝 텍스트 검출기가 유의미하게 감소된 추론 시간으로 높은 정확도를 달성할 수 있는가?
• RQ2 소형 및 크기가 변하는 텍스트 인스턴스 검출에서 연속적 스케일 예측이 이산적 앵커 스케일보다 우수한가?
• RQ3 앵커 컨볼루션을 통한 동적 수신장역할 적응이 특징 품질 향상과 검출 성능 향상에 기여하는가?
• RQ4 기본 벤치마크에서 속도-정확도 트레이드오���에서 최신 기술 검출기와 비교해 본다면 제안된 방법은 어떠한가?
• RQ5 스케일 적응 메커니즘은 다른 박스 기반 검출기로 일반화되어 효율성을 향상시킬 수 있는가?

주요 결과

• 제안된 검출기는 ICDAR11에서 85%의 F-메이저를 달성하고 ICDAR13에서는 86%를 달성하여 대부분의 최신 기술보다 정확도 면에서 뛰어나다.
• 모델은 이미지당 단지 0.28초만에 실행되며, TextBoxes(0.73초) 대비 60% 감소한 것으로, 추론 효율성 면에서 뚜렷한 향상을 보였다.
• 800×800 입력 조건에서도 모든 소형 텍스트 인스턴스를 검출할 수 있었고, TextBoxes는 큰 최소 앵커 크기로 인해 일부를 놓쳤다.
• 스케일 적응형 앵커 덕분에 연속적인 스케일 예측이 가능해졌으며, 이는 특히 소형 텍스트에 대해 이산 스케일보다 더 신뢰할 수 있다.
• 앵커 컨볼루션은 앵커 크기에 맞게 수신장역할을 적응시켜 특징 추출을 향상시키고 검출 성능을 향상시켰다.
• 다중 스케일 예측을 단일 스케일 회귀 레이어로 대체함으로써 계산 복잡도를 O(n)에서 O(1)로 감소시켰다.