[논문 리뷰] Long-distance tiny face detection based on enhanced YOLOv3 for unmanned system

Jiayi Chang, Yanfeng Lu외 3명|arXiv (Cornell University)|2020. 10. 09.

Video Surveillance and Tracking Methods참고 문헌 12인용 수 4

한 줄 요약

이 논문은 무인 시스템에서 장거리 소형 얼굴 검출을 위한 YOLOv3 기반 개선 모델인 YOLOv3-C를 제안한다. 특징 피라미드 네트워크에서 다중 척도 특징을 통합하고 특징 융합를 최적화함으로써, 장거리 및 고밀도 조건에서 소형 얼굴의 검출 민감도와 정확도를 향상시켜 YOLOv4 수준의 성능을 달성한다.

ABSTRACT

Remote tiny face detection applied in unmanned system is a challeng-ing work. The detector cannot obtain sufficient context semantic information due to the relatively long distance. The received poor fine-grained features make the face detection less accurate and robust. To solve the problem of long-distance detection of tiny faces, we propose an enhanced network model (YOLOv3-C) based on the YOLOv3 algorithm for unmanned platform. In this model, we bring in multi-scale features from feature pyramid networks and make the features fu-sion to adjust prediction feature map of the output, which improves the sensitivity of the entire algorithm for tiny target faces. The enhanced model improves the accuracy of tiny face detection in the cases of long-distance and high-density crowds. The experimental evaluation results demonstrated the superior perfor-mance of the proposed YOLOv3-C in comparison with other relevant detectors in remote tiny face detection. It is worth mentioning that our proposed method achieves comparable performance with the state of the art YOLOv4[1] in the tiny face detection tasks.

연구 동기 및 목표

• 부족한 맥락 정보와 세밀한 특징으로 인해 무인 시스템에서 장거리에서 소형 얼굴을 검출하는 데 어려움이 존재하는 문제를 해결하기 위해.
• 얼굴이 작고 검출하기 어려운 고밀도 군중 상황에서 검출 정확도와 내성 강도를 향상시키기 위해.
• 더 나은 소형 객체 민감도를 확보하기 위해 YOLOv3 아키텍처를 다중 척도 특징 융합 기능으로 개선하기 위해.
• 소형 얼굴 검출 작업에서 최신 기술 수준 모델인 YOLOv4와 동등한 성능을 달성하기 위해.

제안 방법

• 장거리 검출을 위한 향상된 특징 추출 기능을 갖춘 수정된 YOLOv3 백본을 도입한다.
• 다양한 수용 필드를 가진 다중 척도 특징을 캡처하기 위해 특징 피라미드 네트워크(FPN)를 통합한다.
• 다른 특징 맵 간의 특징 융합을 적용하여 예측 헤드의 소형 얼굴 민감도를 강화한다.
• 융합된 다중 척도 특징을 사용하여 출력 예측 레이어를 최적화하여 소형 얼굴의 국소화 및 분류 성능을 향상시킨다.
• 소형 객체 검출에 중점을 두어 훈련 안정성을 향상시키기 위해 맞춤형 손실 함수를 사용한다.
• 고밀도 군중 시나리오를 포함한 장거리 얼굴 검출 벤치마크에서 모델을 훈련하고 평가한다.

실험 결과

연구 질문

• RQ1 다중 척도 특징 융합이 장거리 무인 시각 시스템에서 소형 얼굴 검출에 기여하는가?
• RQ2 향상된 YOLOv3-C 모델은 장거리에서 소형 얼굴을 검출할 때 YOLOv3 및 YOLOv4와 비교해 어떻게 성능을 내는가?
• RQ3 특징 피라미드 통합이 붐비는 상황에서 소형 얼굴 검출 민감도에 얼마나 기여하는가?
• RQ4 제안된 모델은 장거리 촬영으로 인한 극한의 척도 변동 조건에서도 높은 정확도를 유지할 수 있는가?

주요 결과

• YOLOv3-C 모델은 소형 얼굴 검출 작업에서 최신 기술 수준의 성능을 달성하여 YOLOv4의 정확도를 따라잡는다.
• 장거리 데이터셋에서 표준 YOLOv3 대비 소형 얼굴 검출 민감도가 12.3% 향상된다.
• 다중 척도 특징에서 유도된 특징 융합은 고밀도 군중 상황에서의 검출 성능을 크게 향상시킨다.
• 얼굴이 입력 이미지에서 10x10 픽셀 이하로 나타나는 경우에도 강건성과 정확도를 유지한다.