[논문 리뷰] CIA-SSD: Confident IoU-Aware Single-Stage Object Detector From Point Cloud

Zheng Wu, Weiliang Tang외 3명|arXiv (Cornell University)|2020. 12. 05.

Advanced Neural Network Applications참고 문헌 33인용 수 37

한 줄 요약

CIA-SSD는 공간-시맨틱 피처 융합, IoU 기반 신뢰도 보정, 거리-변동 NMS를 사용해 포인트 클라우드에서 자신감 있는 IoU 인식 단일단계 탐지기를 도입하고, 실시간 속도로 KITTI 중간 AP에서 최첨단 성능을 달성한다.

ABSTRACT

Existing single-stage detectors for locating objects in point clouds often treat object localization and category classification as separate tasks, so the localization accuracy and classification confidence may not well align. To address this issue, we present a new single-stage detector named the Confident IoU-Aware Single-Stage object Detector (CIA-SSD). First, we design the lightweight Spatial-Semantic Feature Aggregation module to adaptively fuse high-level abstract semantic features and low-level spatial features for accurate predictions of bounding boxes and classification confidence. Also, the predicted confidence is further rectified with our designed IoU-aware confidence rectification module to make the confidence more consistent with the localization accuracy. Based on the rectified confidence, we further formulate the Distance-variant IoU-weighted NMS to obtain smoother regressions and avoid redundant predictions. We experiment CIA-SSD on 3D car detection in the KITTI test set and show that it attains top performance in terms of the official ranking metric (moderate AP 80.28%) and above 32 FPS inference speed, outperforming all prior single-stage detectors. The code is available at https://github.com/Vegeta2020/CIA-SSD.

연구 동기 및 목표

• LiDAR 포인트 클라우드에서 단일 단계 탐지기로 효율적이고 정확한 3D 객체 탐지를 추진합니다.
• 단일 단계 탐지기에서 위치 정밀도와 분류 신뢰도 사이의 정합성 문제를 다룹니다.
• 두 번째 단계 없이 공간 및 시맨틱 특징을 융합하고 신뢰도를 보정하는 경량 모듈을 제안합니다.
• DI-NMS를 도입하여 회귀를 부드럽게 하고 중복 예측을 줄입니다.
• KITTI에서의 최첨단 성능과 단일 GPU에서의 실시간 추론을 시연합니다.

제안 방법

• SSFA를 통해 고수준 시맨틱과 저수준 공간 특징을 융합합니다.
• IoU 인식 신뢰도 보정을 통해 2단계 없이 분류 신뢰도와 위치 품질을 정렬합니다.
• DI-NMS로 바운딩 박스 회귀를 부드르게 하고 중복 예측을 억제합니다.
• IoU 타깃으로 학습된 앵커 기반 IoU 예측 분기를 테스트 중 신뢰도 보정에 활용합니다.
• 손실 함수는 분류, 박스 회귀, 방향성, IoU 예측 손실을 포함합니다.
• SECOND에 의해 안내되는 SPConvNet 백본으로 BEV 특징 추출을 수행합니다.

실험 결과

연구 질문

• RQ1 경량 SSFA 모듈이 단일 단계 3D 탐지기에서 위치 추정 및 분류 안정성을 향상시킬 수 있을까요?
• RQ2 IoU 인식 신뢰도 보정이 단일 단계 프레임워크에서 위치 정확도와 탐지 신뢰도 간 정합성을 개선시킬 수 있을까요?
• RQ3 거리 인식 NMS가 포인트 클라우드의 3D 탐지에서 거짓 양성을 추가로 줄이고 회귀를 안정화시킬 수 있을까요?
• RQ4 KITTI에서 CIA-SSD가 단일 단계 및 이단계 탐지기와 비교했을 때 중간 AP와 속도 면에서 어떤 성능을 보일까요?

주요 결과

• CIA-SSD는 KITTI 테스트 세트에서 Easy 89.59%, Moderate 80.28%의 AP를 달성했습니다.
• KITTI 테스트 세트에서 3D 자동차 탐지에 대해 Hard AP 72.87%를 달성했습니다.
• KITTI 검증에서 CIA-SSD는 Easy 90.04, Moderate 79.81, Hard 78.80 AP를 달성하여 강한 일반화를 시사합니다.
• SSFA는 오버헤드가 작으면서 피처 충실도를 높여 유의한 이득을 제공합니다(~비교 기반 GPU 사용량 10-27%).
• beta=4인 IoU 인식 신뢰도 보정은 Moderate AP를 향상시키고 IoU와 신뢰도 간 Pearson 상관 관계를 증가시킵니다.
• DI-NMS는 Easy/Moderate/Hard AP에서 개선을 가져오며(예: Easy +0.38, Moderate +0.18, Hard +0.16), 포스트 처리도 부드럽게 만듭니다.
• CIA-SSD는 평균 추론 시간 30.76 ms로, 다른 동시대 단일 단계 탐지기와 나열된 모든 이단계 베이스라인을 능가합니다.