[論文レビュー] An Effective and Robust Detector for Logo Detection

Xiaojun Jia, Huanqian Yan+4 more|arXiv (Cornell University)|Aug 1, 2021

Handwritten Text Recognition Techniques参考文献 19被引用数 7

ひとこと要約

この論文は、マルチスケールトレーニング/テスト、等価損失（EQL-v2）、および敵対的データオーグメンテーションを組み合わせたキャスケード detectoRS フレームワークを強化することで、小物検出、長尾カテゴリの不均衡、敵対的ロバストネスの課題に取り組む、ロバストなロゴ検出モデルを提案する。この手法は、36,489チームが参加した ACM MM2021 ロバストロゴ検出コンペティションで2位（mAP 0.650807）を達成し、優れた性能と敵対的摂動に対する耐性を示した。

ABSTRACT

In recent years, intellectual property (IP), which represents literary, inventions, artistic works, etc, gradually attract more and more people's attention. Particularly, with the rise of e-commerce, the IP not only represents the product design and brands, but also represents the images/videos displayed on e-commerce platforms. Unfortunately, some attackers adopt some adversarial methods to fool the well-trained logo detection model for infringement. To overcome this problem, a novel logo detector based on the mechanism of looking and thinking twice is proposed in this paper for robust logo detection. The proposed detector is different from other mainstream detectors, which can effectively detect small objects, long-tail objects, and is robust to adversarial images. In detail, we extend detectoRS algorithm to a cascade schema with an equalization loss function, multi-scale transformations, and adversarial data augmentation. A series of experimental results have shown that the proposed method can effectively improve the robustness of the detection model. Moreover, we have applied the proposed methods to competition ACM MM2021 Robust Logo Detection that is organized by Alibaba on the Tianchi platform and won top 2 in 36489 teams. Code is available at https://github.com/jiaxiaojunQAQ/Robust-Logo-Detection.

研究の動機と目的

• 現実のECシナリオにおけるロゴ検出の課題に対処すること。その際、ロゴは小さく、カテゴリの分布が長尾になっており、悪意ある攻撃者がモデルの整合性を損なう可能性がある。
• 悪意ある攻撃者が使用する敵対的例に対して、検出器のロバストネスを向上させること。
• アーキテクチャ的および損失関数の革新を通じて、小物および低頻度（テール）カテゴリの性能を向上させること。
• マルチスケールトレーニングと敵対的データオーグメンテーションの有効性を検証すること。両者とも検出精度とロバストネスの向上に寄与する。

提案手法

• 特徴の精練とスケール間の検出精度を向上させるために、detectoRS をキャスケードアーキテクチャで拡張する。
• スイッチャブルアトロスコンボリューション（SAC）と再帰的特徴ピラミッド（RFP）を採用し、受容 field を動的に調整し、特徴表現を強化する。
• 小ロゴの検出を向上させると同時に、敵対的摂動に対するロバストネスを間接的に高めるために、マルチスケールトレーニングおよびテストを適用する。
• 長尾カテゴリにおける学習のバランスを取るために、等価損失 v2（EQL-v2）を統合し、上位カテゴリが学習プロセスを支配するのを防ぐ。
• 訓練中に敵対的データオーグメンテーションを導入し、摂動を加えた画像にモデルを晒すことで、一般化性能とロバストネスを向上させる。
• フレームワークは Open Brand データセット（584,920枚の画像、130万件のアノテーション）で学習され、小物の再現率を向上させるために Soft-NMS を用いてファインチューニングされた。

実験結果

リサーチクエスチョン

• RQ1 マルチスケールトレーニングを組み込んだキャスケードベースのオブジェクト検出フレームワークは、自然画像内の小ロゴの検出性能を向上させることができるか？
• RQ2 EQL-v2 は、実世界のデータセットにおける長尾ロゴカテゴリの性能低下をどの程度軽減できるか？
• RQ3 敵対的データオーグメンテーションは、敵対的例に対するロゴ検出器のロバストネスを向上させるのにどの程度有効か？
• RQ4 マルチスケールトレーニングは、同時に小物検出性能と敵対的ロバストネスを向上させることができるか？

主な発見

• 提案された検出器は、ACM MM2021 ロバストロゴ検出コンペティションで、mAP 0.650807 を達成し、36,489チーム中2位となった。
• マルチスケールトレーニングおよびテストの導入により、ベースラインのキャスケード RCNN に比べて検出性能が約3.9%向上した。
• 等価損失 v2 が最も大きな改善をもたらし、ベースラインに比べて性能を16.1%向上させた。
• 敵対的データオーグメンテーションは EQL-v2 ほど顕著な効果は示さなかったが、敵対的例に対するロバストネス向上に明確な寄与を示した。
• 標準NMSの代わりに Soft-NMS を使用することで、小物検出の再現率が向上し、性能がさらに向上した。
• マルチスケール戦略は、敵対的ロバストネスを間接的に向上させたことが判明し、スケールに敏感な学習とロバストネスの間には相乗効果がある可能性が示唆された。