[논문 리뷰] DSSD : Deconvolutional Single Shot Detector

Cheng-Yang Fu, Wei Liu외 3명|arXiv (Cornell University)|2017. 01. 23.

Advanced Neural Network Applications참고 문헌 3인용 수 1,636

한 줄 요약

DSSD는 Residual-101을 사용한 SSD에 deconvolutional encoder-decoder 컨텍스트를 추가하여 VOC2007에서 81.5% mAP, COCO에서 33.2% mAP를 달성하고 기존의 단일 네트워크 검출기보다 우수합니다.

ABSTRACT

The main contribution of this paper is an approach for introducing additional context into state-of-the-art general object detection. To achieve this we first combine a state-of-the-art classifier (Residual-101[14]) with a fast detection framework (SSD[18]). We then augment SSD+Residual-101 with deconvolution layers to introduce additional large-scale context in object detection and improve accuracy, especially for small objects, calling our resulting system DSSD for deconvolutional single shot detector. While these two contributions are easily described at a high-level, a naive implementation does not succeed. Instead we show that carefully adding additional stages of learned transformations, specifically a module for feed-forward connections in deconvolution and a new output module, enables this new approach and forms a potential way forward for further detection research. Results are shown on both PASCAL VOC and COCO detection. Our DSSD with $513 \times 513$ input achieves 81.5% mAP on VOC2007 test, 80.0% mAP on VOC2012 test, and 33.2% mAP on COCO, outperforming a state-of-the-art method R-FCN[3] on each dataset.

연구 동기 및 목표

• 더 큰 규모의 컨텍스트 정보를 주입함으로써 일반 물체 탐지 성능을 향상시키려는 동기.
• SSD에서 더 깊은 백본(VGG 대신 Residual-101)을 도입해 정확도를 높이는 연구.
• 시맨틱 컨텍스트를 후속 예측 층으로 전달하기 위한 deconvolution 기반의 hourglass 모듈을 개발합니다.
• 예측 모듈과 deconvolution 모듈을 도입해 학습을 안정화하고 작은 객체 탐지 성능을 향상시킵니다.

제안 방법

• SSD의 기본 네트워크로 VGG를 Residual-101로 교체하여 특징 품질을 개선합니다.
• 잔차 블록을 포함한 예측 모듈을 추가해 예측 층을 강화하고 학습을 안정화합니다.
• SSD 뒤에 deconvolution 층을 붙여 비대칭 인코더-디코더(hourglass) 네트워크를 형성합니다.
• 배치 정규화 및 학습된 업샘플링을 갖춘 deconvolution 모듈을 도입하고 이를 요소별 곱으로 결합하여 컨텍스트 융합을 수행합니다.
• 고수준 컨텍스트를 더 세밀한 해상도 특성 맵으로 전달하기 위한 스킵 커넥션을 사용하여 DSSD를 생성합니다.
• 먼저 SSD를 고정하고 deconvolution 사이드를 학습한 뒤 전체 네트워크를 미세 조정하는 두 단계 학습을 수행하고, SSD와 유사한 데이터 증강 및 기본 박스의 종횡비를 조정합니다.

Figure 1 : Networks of SSD and DSSD on residual network. The blue modules are the layers added in SSD framework, and we call them SSD Layers. In the bottom figure, the red layers are DSSD layers.

실험 결과

연구 질문

• RQ1 SSD에 deconvolution 기반 인코더-디코더(hourglass) 구조를 추가하면 특히 작은 물체의 정확도가 향상될 수 있는가?
• RQ2 VGG를 Residual-101로 대체하고 예측 모듈을 도입하면 속도를 희생하지 않으면서 VOC/COCO 탐지 성능이 향상되는가?
• RQ3 deconvolution 모듈에서 서로 다른 특징 융합 전략(합산 vs 곱하기)이 탐지 정확도에 어떤 영향을 주는가?
• RQ4 두 단계 학습 전략(백본 고정 후 전체 미세 조정)이 수렴 및 최종 성능에 어떤 영향을 미치는가?

주요 결과

• Residual-101 및 deconvolution 층을 갖춘 DSSD가 SSD보다 더 높은 정확도를 달성하고 VOC 및 COCO에서 경쟁적인 최첨단 방법과 비슷한 성능을 보입니다.
• 예측 모듈과 deconvolution 모듈이 특히 작은 객체와 컨텍스트 특화 클래스에서 mAP를 크게 향상시킵니다.
• deconvolution 모듈의 요소별 곱 융합이 테스트된 융합 방법 중 최상의 정확도를 제공합니다.
• VOC2007에서 513 입력의 DSSD가 81.5% mAP를 달성하여 R-FCN 및 SSD 변형과 같은 기존의 단일 네트워크 검출기를 능가합니다.
• VOC2012에서 DSSD는 80.0% mAP를 달성하고 COCO에서 DSSD 513은 33.2% mAP에 도달하여 교차 데이터셋 성능이 강함을 보여줍니다.

Figure 2 : Variants of the prediction module