[論文レビュー] 1st Place Solutions of Waymo Open Dataset Challenge 2020 -- 2D Object Detection Track

Zehao Huang, Zehui Chen+3 more|arXiv (Cornell University)|Aug 4, 2020

Advanced Neural Network Applications参考文献 23被引用数 7

ひとこと要約

本論文は、2020年Waymo Open Dataset 2Dオブジェクト検出トラックの優勝ソリューションを提示する。ResNet50-v1bバックボーンにFPN、Cascade R-CNN、スタックドPAFPN、ダブルヘッドを採用。大規模な推論、マルチスケールトレーニング、スコアキャリブレーション、アンサンブル学習を通じて、テストセットにおけるLEVEL 2で74.43 mAPの最先端性能を達成した。

ABSTRACT

In this technical report, we present our solutions of Waymo Open Dataset (WOD) Challenge 2020 - 2D Object Track. We adopt FPN as our basic framework. Cascade RCNN, stacked PAFPN Neck and Double-Head are used for performance improvements. In order to handle the small object detection problem in WOD, we use very large image scales for both training and testing. Using our methods, our team RW-TSDet achieved the 1st place in the 2D Object Detection Track.

研究の動機と目的

• Waymo Open Datasetにおいて70%のオブジェクトが32×32ピクセル未満であるという、極めて小さなオブジェクトの検出の課題に対処する。
• 高解像度画像と複雑なオブジェクトスケールを有する大規模な自動運転データセットにおける2Dオブジェクト検出性能を向上させる。
• 特にレアクラス（例：自転車乗り）において、Waymo評価プロトコルに準拠した平均平均精度（mAP）を最適化する。
• Waymoデータセット固有のスケールおよびアノテーション分布に特化した、強力なトレーニングおよび推論戦略を開発する。

提案手法

• FPNにResNet50-v1bをベースとして採用し、小規模オブジェクトに対応するため、アンカースケールとRoI割り当てを変更した。
• ランダムクロップを用いたマルチスケールトレーニングを実装。短辺スケールを{640, 960, 1280, 1600, 1920, 2240, 2560}からランダムにサンプリングし、長辺を3840に固定した。
• 推論時に(1280, 1920)および(2240, 3360)のスケールで大規模なテストを実施し、小規模オブジェクト検出を向上させた。スケールに応じたスコア減衰を導入して性能をバランスさせた。
• 境界ボックス予測の精度を向上させるために、IoU閾値が0.5、0.6、0.7のCascade R-CNNを適用した。
• 分類用に2層全結合、回帰用に3段階の残差ブロックを有する専用ヘッドを備えたダブルヘッド検出ヘッドを統合し、特徴表現を強化した。
• 3回の繰り返しを経たスタックドPAFPNを採用し、ピラミッドレベル間の特徴統合を強化。小規模および中規模オブジェクトの検出性能が向上した。

実験結果

リサーチクエスチョン

• RQ1 高解像度自動運転データセットにおける極めて小さなオブジェクトの検出モデルをどのように最適化できるか？
• RQ2 大規模なテストとマルチスケールトレーニングは、Waymo Open Datasetにおける小規模オブジェクト検出のmAPにどのような影響を与えるか？
• RQ3 温度スケーリングによるスコアキャリブレーションは、Waymo評価設定における精度-再現率曲線の滑らかさを改善し、mAPを向上させられるか？
• RQ4 多様なバックボーンとLinear-Reweight戦略を用いたアンサンブル学習は、標準的な平均化手法と比較して、検出性能をどのように向上させるか？
• RQ5 長尾分布を持つデータセットにおいて、クラスに応じたサンプリングは、自転車乗りなどレアクラスの検出を向上させる役割を果たすか？

主な発見

• 最終的なアンサンブルモデルは、Waymo Open DatasetのテストセットにおいてALL_NSのLEVEL 2で74.43 mAPを達成し、1位を獲得した。
• (2240, 3360)での大規模なテストは、スコア減衰を伴う通常のマルチスケールテストと比較して、小規模オブジェクトのmAPを1.0向上させた。
• ダブルヘッドの設計により、専用の畳み込みヘッドを備えたことで、より強固な回帰が可能になり、検出性能が向上した。
• クラスに応じたサンプリングでバランスされたサブセットで訓練されたエキスパートモデルは、自転車乗りで63.31 mAPを達成し、一般モデルを上回った。
• バリデーションAP順位に基づいて重みを割り当てるLinear-Reweightアンサンブル戦略は、バリデーションで70.90 mAPを達成し、標準的なアンサンブル手法を上回った。
• ResNet50-v1b、ResNet50-v1d、Res2Net50-v1bが最も効果的であることが判明したが、より深いネットワーク（例：ResNet101、ResNet152）は、特に自転車乗りの検出において性能が劣った。