[論文レビュー] DuBox: No-Prior Box Objection Detection via Residual Dual Scale Detectors

Shuai Chen, Jinpeng Li+5 more|arXiv (Cornell University)|Apr 15, 2019

Advanced Neural Network Applications参考文献 29被引用数 5

ひとこと要約

DuBoxは、1段階のオブジェクト検出手法を提案する。この手法は、残留二重スケール検出器アーキテクチャを用いて事前ボックス（アンカー）を排除し、2番目の検出器が最初の検出器からの残差を学習することでスケール一般化を向上させる。PASCAL VOC 2007で82.31%のmAP、COCOで39.52%のAPを達成し、320×320入力で50FPSのリアルタイム推論を維持する。

ABSTRACT

Traditional neural objection detection methods use multi-scale features that allow multiple detectors to perform detecting tasks independently and in parallel. At the same time, with the handling of the prior box, the algorithm's ability to deal with scale invariance is enhanced. However, too many prior boxes and independent detectors will increase the computational redundancy of the detection algorithm. In this study, we introduce Dubox, a new one-stage approach that detects the objects without prior box. Working with multi-scale features, the designed dual scale residual unit makes dual scale detectors no longer run independently. The second scale detector learns the residual of the first. Dubox has enhanced the capacity of heuristic-guided that can further enable the first scale detector to maximize the detection of small targets and the second to detect objects that cannot be identified by the first one. Besides, for each scale detector, with the new classification-regression progressive strapped loss makes our process not based on prior boxes. Integrating these strategies, our detection algorithm has achieved excellent performance in terms of speed and accuracy. Extensive experiments on the VOC, COCO object detection benchmark have confirmed the effectiveness of this algorithm.

研究の動機と目的

• 1段階のオブジェクト検出において、事前ボックス（アンカー）の必要性を排除しながら、精度を維持または向上させること。
• マルチスケール検出における複数の独立した検出器とアンカーボックスによって引き起こされる計算リソースの浪費を削減すること。
• 最初の検出器からの残差を学習する二重スケール検出器の設計により、スケール一般化を向上させること。
• ヒューリスティックガイドド特徴選択と段階的損失を用いて、小規模および大規模オブジェクトの検出性能を向上させること。
• 速度と精度の優れたバランスを実現し、リソース制限のあるプラットフォームへのリアルタイムデプロイを可能にすること。

提案手法

• 2番目の検出器が最初の検出器からの残差を学習する二重スケール残留ユニットを導入し、共同推論を可能にし、冗長性を低減する。
• 事前ボックスに依存しない分類・回帰の段階的ストラップド損失を採用し、バウンディングボックスの直接回帰を可能にする。
• 特徴ピラミッドからのマルチスケール特徴を用いるが、複数の独立した検出器ではなく2つの検出器のみを採用することで、計算負荷を低減する。
• ヒューリスティックガイドド特徴選択を適用し、最初の検出器が小規模オブジェクトに特化し、2番目の検出器が大規模または見逃されたオブジェクトに特化するように促進する。
• 効率性とモバイルおよび組み込み推論フレームワークとの互換性を高めるために、畳み込み層、デコンボリューション層、活性化関数層のみを用いる。
• 学習率スケジューリングを採用：VOCでは80kイテレーションで10⁻³、その後40kイテレーションで10⁻⁴。COCOでは280kイテレーションで10⁻³、その後180kイテレーションで10⁻⁴、140kイテレーションで10⁻⁵。

実験結果

リサーチクエスチョン

• RQ1 1段階のオブジェクト検出器は、オブジェクト検出における事前ボックス（アンカー）を用いずに高い精度を達成できるか？
• RQ2 残留学習を用いた二重スケール検出器アーキテクチャは、独立したマルチスケール検出器と比較して、スケール一般化を向上させるとともに冗長性を低減できるか？
• RQ3 アンカーに依存しない段階的分類・回帰損失は、アンカーに基づく手法と比較して、より優れたバウンディングボックス回帰を実現できるか？
• RQ4 最小限の検出器設計（2つのスケールヘッドのみ）は、既存のアンカーに基づく検出器を上回るmAPと高速な推論を達成できるか？
• RQ5 PASCAL VOCでmAP > 79%を達成するリアルタイム推論（50FPS）を実現できるか、かつアンカー不要であるか？

主な発見

• DuBoxは、800×800入力でPASCAL VOC 2007で82.31%のmAPを達成し、大多数の1段階検出器および複数の2段階手法を上回る。
• COCOでは、800×800入力で38.03%のAPを達成し、RetinaNet や YOLOv3 を含む複数の1段階検出器を上回る。
• マルチスケール入力で、DuBoxはCOCOで39.52%のAPを達成し、優れた一般化性能とロバストネスを示している。
• 320×320入力サイズで、DuBoxは20.0ms（50FPS）で画像を処理し、VOC 2007で50FPSかつmAP > 79.31%を達成する最初のアンカー不要手法である。
• 最初の検出器は小規模オブジェクト（例：ボトル）で高いmAPを達成する一方、2番目の検出器は大規模オブジェクト（例：旅客機）で優れた性能を示し、二重スケール残留設計の有効性が裏付けられた。
• 段階的ストラップド損失により、アンカーに依存しない正確な回帰が可能となり、二重スケール残留ユニットは冗長性を低減するとともに検出能力を向上させた。