[논문 리뷰] Object Detection with Pixel Intensity Comparisons Organized in Decision Trees

Nenad Markuš, Miroslav Frljak외 3명|arXiv (Cornell University)|2013. 05. 20.

Advanced Image and Video Retrieval Techniques참고 문헌 26인용 수 37

한 줄 요약

이 논문은 픽셀 강도 비교를 기반으로 한 결정 트리를 사용하여 실시간 성능을 확보하기 위해 거절기의 캐스케이드로 구성된 빠르고 경량의 객체 검출 프레임워크를 제안한다. 이 방법은 적은 계산 자원으로도 경쟁력 있는 얼굴 검출 정확도를 달성하여 통합 이미지나 사전 처리 없이 저전력 장치에 효율적으로 구현 가능하며, 기울인 특성 테스트를 통해 빠른 회전 불변 검출을 지원한다.

ABSTRACT

We describe a method for visual object detection based on an ensemble of optimized decision trees organized in a cascade of rejectors. The trees use pixel intensity comparisons in their internal nodes and this makes them able to process image regions very fast. Experimental analysis is provided through a face detection problem. The obtained results are encouraging and demonstrate that the method has practical value. Additionally, we analyse its sensitivity to noise and show how to perform fast rotation invariant object detection. Complete source code is provided at https://github.com/nenadmarkus/pico.

연구 동기 및 목표

• 자원 제약이 있는 장치, 예를 들어 스마트폰이나 임베디드 시스템에 적합한 실시간, 저복잡도 객체 검출 시스템을 개발하는 것.
• 기존의 Viola-Jones 스타일 검출기보다 처리 속도를 향상시키면서도 경쟁 가능한 검출 정확도를 유지하는 것.
• 통합 이미지, HOG, 또는 이미지 리사이징과 같은 계산 비용이 높은 사전 처리 단계가 필요 없도록 하는 것.
• 이미지 리샘플링 없이 기울인 이진 테스트를 회전시켜 효율적인 회전 불변 얼굴 검출을 가능하게 하는 것.
• 노이즈에 대한 저항성과 실제 데이터셋에서의 실용성 평가

제안 방법

• 이 방법은 픽셀 강도 비교를 기반으로 한 이진 테스트를 사용하는 결합된 결정 트리로 구성된다: $\text{bintest}(I;\mathbf{l}_1,\mathbf{l}_2) = 0$ if $I(\mathbf{l}_1) \leq I(\mathbf{l}_2)$, 그렇지 않으면 1.
• 트리의 각 내부 노드는 정규화된 이미지 좌표에 대해 무작위 샘플링을 통해 훈련 데이터에서 가중 평균 제곱오차(WMSE)를 최소화하는 강도 비교를 선택한다.
• 트리 구축은 가중 최소 제곱법을 사용한 회귀 기반 접근 방식으로 최적화되며, 약한 학습기의 앙상블를 형성하기 위해 GentleBoost로 부스팅된다.
• 거절기의 캐스케이드를 사용하여 각 단계에서 부정 예측을 조기에 걸러내어 전체 추론 속도를 향상시킨다.
• 회전 불변 검출을 위해, 삼각함수 계산을 피하기 위해 사전에 룩업 테이블을 사용해 다수의 방향에 대해 픽셀 강도 비교를 계산한다.
• 통합 이미지, HOG, 또는 기타 특징 피라미드를 피하고, 단지 강도 비교에 의존함으로써 빠르고 단순한 성능을 확보한다.

실험 결과

연구 질문

• RQ1 순수하게 픽셀 강도 비교에 기반한 결정 트리 프레임워크가 기존 방법보다 훨씬 빠르면서도 경쟁 가능한 객체 검출 정확도를 달성할 수 있는가?
• RQ2 이 방법은 다양한 수준의 이미지 노이즈에서 어떻게 성능을 보이며, 추가 사전 처리 없이도 저항성을 확보할 수 있는가?
• RQ3 이미지 리샘플링 없이도 효율적인 회전 불변 얼굴 검출을 지원할 수 있는가?
• RQ4 저전력 장치에서 검출 정확도와 처리 속도 사이의 상호 교환 관계는 어떠한가?
• RQ5 OpenCV의 LBP 기반 얼굴 검출기와 비교했을 때, 이 방법은 회전에 대한 속도와 성능 측면에서 어떻게 다른가?

주요 결과

• 표준 PC에서 1코어에서 $640 \times 480$ 해상도의 이미지를 12개의 방향으로 처리하는 데 32ms 이내로 실시간 성능을 달성한다.
• GENKI-SZSL 데이터셋에서, 기울인 얼굴을 검출할 때조차도 OpenCV의 LBP 기반 정면 얼굴 검출기와 유사한 검출 정확도를 유지한다.
• 높은 노이즈 수준에 민감하게 반응하여 강한 가우시안 노이즈 하에서 탐지율이 크게 떨어지지만, 사전 필터링을 통해 이 문제를 완화할 수 있다.
• 통합 이미지, HOG, 또는 대trast 정규화나 리사이징과 같은 사전 처리 단계가 필요 없어 계산 오버헤드가 감소한다.
• 회전 불변 검출은 실현 가능하고 효율적이며, 처리 시간은 방향 수에 따라 선형적으로 증가하고, 모든 테스트 각도에서 안정적인 성능을 보인다.
• 완전한 소스 코드는 https://github.com/nenadmarkus/pico 에 공개되어 있어 재현성과 향후 개발을 가능하게 한다.