[論文レビュー] A Mask-RCNN Baseline for Probabilistic Object Detection

Phil Ammirato, Alexander C. Berg|arXiv (Cornell University)|Aug 9, 2019

Advanced Neural Network Applications参考文献 10被引用数 16

ひとこと要約

この論文は、合成データで微調整されたマスクRCNNベースラインを提示し、確率的オブジェクト検出のための後処理ヒューリスティクスを適用して確率的検出品質（PDQ）を最適化する。この手法は、PDQスコア21.432を達成し、PODC 2019コンテストで2位となり、すべての検出スコアを1.0に設定し、ボックスサイズを10%削減し、ボックス寸法の30%にスケーリングされた共分散行列を適用することで、空間的および全体的な検出品質が高くなった。

ABSTRACT

The Probabilistic Object Detection Challenge evaluates object detection methods using a new evaluation measure, Probability-based Detection Quality (PDQ), on a new synthetic image dataset. We present our submission to the challenge, a fine-tuned version of Mask-RCNN with some additional post-processing. Our method, submitted under username pammirato, is currently second on the leaderboard with a score of 21.432, while also achieving the highest spatial quality and average overall quality of detections. We hope this method can provide some insight into how detectors designed for mean average precision (mAP) evaluation behave under PDQ, as well as a strong baseline for future work.

研究の動機と目的

• 新しいPDQ評価指標のもとで、よく知られた検出器であるマスクRCNNを用いて確率的オブジェクト検出の強力なベースラインを確立すること。
• mAP最適化された検出器（例：マスクRCNN）が、スコアを実際の確率として扱うPDQ評価指標のもとでどのように動作するかを調査すること。
• ドメイン適応とPDQのスコーリングメカニズムに特化した後処理を用いて、合成PODCデータセットにおける検出性能を向上させること。
• トレーニング中に複雑な不確実性モデリングを必要としないヒューリスティクス手法を検討し、PDQと空間的品質を向上させること。

提案手法

• MSCOCO、SunCG、および拡張されたHouse3Dの合成画像を組み合わせたデータセットを用いて、MSCOCOで事前学習されたマスクRCNNモデルを微調整し、ドメイン一般化を向上させた。
• PODC以外のオブジェクトクラスのマスクおよび分類ヘッドを削除し、実画像でのmAPを最適化する30クラス検出器（マスクRCNN-30）を訓練した。
• 後処理を実施：スコアが0.5未満の検出を除外し、残りのすべてのスコアを1.0に設定することで、PDQと空間的品質を最大化した。
• 他の検出とIOUが高いため、真の陽性である可能性の高い低スコア検出を再挿入し、曖昧であっても誤検出を回復した。
• ボックスサイズを幅および高さそれぞれ10%削減することで、背景確率の割り当てを最小限に抑え、空間的品質を向上させた。
• 各コーナーに、ボックス幅の30%および高さの30%にスケーリングされた共分散行列を有する確率的ボクシング（pbox）を追加し、PDQをわずかに向上させた。

実験結果

リサーチクエスチョン

• RQ1 mAP最適化された標準的な検出器（例：マスクRCNN）は、スコアを実際の確率として扱うPDQ評価指標のもとで、どのように動作するか？
• RQ2 エンドツーエンド再トレーニングを必要としない後処理ヒューリスティクスは、PDQと空間的品質を顕著に向上させることができるか？
• RQ3 ボックスの不確実性（共分散）をスケーリングすることで、PDQ評価下での検出品質にどのような影響を与えるか？
• RQ4 ボックスサイズの縮小とスコア正規化は、合成検出設定においてPDQと空間的品質をどれほど向上させることができるか？
• RQ5 低データ、合成検出シナリオにおいて、単純で解釈可能なヒューリスティクスは、複雑な不確実性モデリングを上回ることができるか？

主な発見

• 最終的手法はPDQスコア21.432を達成し、PODC 2019コンテストで2位となり、空間的品質および全体的な検出品質が最高であった。
• スコア0.5未満の検出を除外した後、すべてのスコアを1.0に設定したことで、PDQが最大値に達したが、スコアの解釈性は低下した。
• ボックスサイズを10%削減することで、PDQは16.36から18.11に向上し、平均空間的品質は46.05から55.00に上昇した。
• 共分散行列をボックス寸法の30%にスケーリングした（例：100×50のボックスでは幅の30%、高さの15%）場合、テストした値の中で最も高いPDQ性能を示した。
• アブレーションスタディの結果、ボックスサイズの縮小を伴う20%の共分散（20%共分散）ではPDQが16.13から16.36にわずかに向上した。これは、サイズ縮小と不確実性モデリングの間で相乗効果があることを示唆している。
• 低スコア検出をIOUが高い他の検出に再挿入したが、その効果はわずかにしか得られず、計算コストに比べて利益は限定的であった。