[論文レビュー] Detecting The Objects on The Road Using Modular Lightweight Network

Sen Cao, Yazhou Liu+2 more|arXiv (Cornell University)|Nov 16, 2018

Advanced Neural Network Applications参考文献 44被引用数 6

ひとこと要約

本論文では、遠く離れた車両、歩行者、自転車などの小さな道路オブジェクトをリアルタイムで検出するためのモジュラーで軽量なネットワーク、モジュラー特徴融合検出器（MFFD）を提案する。2つの専用ベースモジュール（FrontおよびTinier）を用いることで、高い精度を維持しつつ効率的な特徴抽出と計算コストの低減を実現し、Jetson TX2などの埋め込みGPU上で100 FPSを達成する。KITTIベンチマークにおいても優れた性能を示した。

ABSTRACT

This paper presents a modular lightweight network model for road objects detection, such as car, pedestrian and cyclist, especially when they are far away from the camera and their sizes are small. Great advances have been made for the deep networks, but small objects detection is still a challenging task. In order to solve this problem, majority of existing methods utilize complicated network or bigger image size, which generally leads to higher computation cost. The proposed network model is referred to as modular feature fusion detector (MFFD), using a fast and efficient network architecture for detecting small objects. The contribution lies in the following aspects: 1) Two base modules have been designed for efficient computation: Front module reduce the information loss from raw input images; Tinier module decrease model size and computation cost, while ensuring the detection accuracy. 2) By stacking the base modules, we design a context features fusion framework for multi-scale object detection. 3) The propose method is efficient in terms of model size and computation cost, which is applicable for resource limited devices, such as embedded systems for advanced driver assistance systems (ADAS). Comparisons with the state-of-the-arts on the challenging KITTI dataset reveal the superiority of the proposed method. Especially, 100 fps can be achieved on the embedded GPUs such as Jetson TX2.

研究の動機と目的

• 遠く離れた道路オブジェクト（歩行者や自転車など）をリアルタイムで検出する課題に対処すること。
• リソース制約のある環境において、検出精度を損なわずに計算コストとモデルサイズを低減すること。
• 小規模なオブジェクト検出の向上を図るための効率的なマルチスケール特徴融合を可能にするモジュラーなアーキテクチャを開発すること。
• 自動運転支援システム（ADAS）で使用される埋め込みシステムへの展開を最適化したネットワークの開発。

提案手法

• 初期の特徴抽出段階で生画像からの情報損失を最小限に抑えるために、Frontモジュールを導入する。
• モデルサイズと計算コストを低減しつつ、検出精度を維持するためのTinierモジュールを設計する。
• ベースモジュールをスタックして、マルチスケールオブジェクト検出に適したコンテキスト特徴融合フレームワークを構築する。
• スケーラブルな特徴学習が可能な柔軟なコンポONENTのスタックが可能なモジュラーなネットワークアーキテクチャを採用する。
• 異なる受容野における小さなオブジェクトの表現を強化するための特徴融合メカニズムを活用する。
• 推論効率を最適化し、低消費電力の埋め込みGPU上での高速推論を可能にする。

実験結果

リサーチクエスチョン

• RQ1 計算コストを増加させることなく、道路シーンにおける小さなオブジェクト検出をどのように改善できるか？
• RQ2 モジュラーなネットワーク設計は、モデルサイズと推論時間を効果的に低減しつつ、精度を維持できるか？
• RQ3 提案された特徴融合フレームワークは、小さな遠く離れたオブジェクトの検出性能をどの程度向上させるか？
• RQ4 MFFDモデルは、Jetson TX2のような埋め込みハードウェア上でリアルタイム推論にどの程度適しているか？
• RQ5 KITTIのようなベンチマークデータセットにおいて、モデル効率と検出精度のトレードオフはどのようなものか？

主な発見

• MFFDは、Jetson TX2などの埋め込みGPU上で100 FPSを達成し、高い推論効率を示した。
• KITTITの挑戦的なデータセットにおいて、最先端の手法を上回る性能を示した。
• FrontおよびTinierモジュールは、情報損失と計算コストの両方を効果的に低減しつつ、高い精度を維持した。
• モジュラー設計により、スケーラブルで効率的なマルチスケール特徴融合が可能となり、小さなオブジェクトの検出が向上した。
• カメラから遠く離れた小さなオブジェクトに対しても、強力な検出性能を維持しており、自動運転の認識における主要な課題に対処した。
• ADASアプリケーションで使用されるリソース制限のある埋め込みシステムへの展開に非常に適している。