[論文レビュー] NAS-FPN: Learning Scalable Feature Pyramid Architecture for Object Detection

Golnaz Ghiasi, Tsung-Yi Lin+2 more|arXiv (Cornell University)|Apr 15, 2019

Advanced Neural Network Applications被引用数 11

ひとこと要約

本論文では、物体検出のための最適でスケーラブルなアーキテクチャを、トップダウンおよびボトムアップ接続を組み合わせることで発見する、ニューラルアーキテクチャ探索（NAS）で学習された特徴ピラミッドネットワーク（NAS-FPN）を提案する。モジュラーでスケーラブルな探索空間内で探索することで、NAS-FPNは、スピードと精度のトレードオフを改善し、モバイルデバイス上でSSDLiteを2.0 AP上回り、計算時間を短くしたMask R-CNNを上回る最先端の精度を達成する。

ABSTRACT

Current state-of-the-art convolutional architectures for object detection are manually designed. Here we aim to learn a better architecture of feature pyramid network for object detection. We adopt Neural Architecture Search and discover a new feature pyramid architecture in a novel scalable search space covering all cross-scale connections. The discovered architecture, named NAS-FPN, consists of a combination of top-down and bottom-up connections to fuse features across scales. NAS-FPN, combined with various backbone models in the RetinaNet framework, achieves better accuracy and latency tradeoff compared to state-of-the-art object detection models. NAS-FPN improves mobile detection accuracy by 2 AP compared to state-of-the-art SSDLite with MobileNetV2 model in [32] and achieves 48.3 AP which surpasses Mask R-CNN [10] detection accuracy with less computation time.

研究の動機と目的

• 物体検出のための特徴ピラミッドネットワーク（FPN）の自動設計を実現し、手動でのアーキテクチャ設計を超えること。
• FPNにおけるスケール間接続の指数関数的に大きな設計空間の課題に対処すること。
• 効率的なニューラルアーキテクチャ探索（NAS）を可能にする、スケーラブルでモジュラーな探索空間の開発。
• 特にモバイルおよび高精度設定において、多様なバックボーンモデルにおけるオブジェクト検出器の精度と推論効率の向上。
• モジュラーなアーキテクチャにより、いつでも検出が可能な「エイプリー検出」を可能にすること。

提案手法

• すべてのスケール間接続をカバーする、新しいスケーラブルな探索空間を設計し、モジュラーかつ繰り返し可能なアーキテクチャ探索を可能にする。
• 入力および出力の特徴レベルが同一である最適な原子モジュールを発見するため、ニューラルアーキテクチャ探索（NAS）を適用し、これをピラミッド全体を構成するモジュールとして積み重ねる。
• COCO物体検出APを最適化する目的で、強化学習ベースのNASコントローラーを用いて、提案された探索空間内で最良のアーキテクチャを探索する。
• MobileNetV2、ResNet-50、AmoebaNetを含むさまざまなバックボーンを用いて、発見されたNAS-FPNモジュールをRetinaNetフレームワークに統合する。
• 出力レベルをP3–P6に制限し、標準的な畳み込みを深度分離畳み込みに置き換えることで、モバイル推論に最適化されたNAS-FPNLiteを開発する。
• 特に特徴次元を増加させる場合に過学習を防ぐために、ドロップブロック正則化を採用し、より深いNAS-FPNバージョンの性能を向上させる。

実験結果

リサーチクエスチョン

• RQ1 ニューラルアーキテクチャ探索は、手動で設計されたFPNよりも、物体検出のためのより効果的な特徴ピラミッドアーキテクチャを発見できるか？
• RQ2 スケーラブルでモジュラーな探索空間は、高い設計複雑性を有する特徴ピラムイドの効率的かつ効果的なアーキテクチャ探索を可能にするか？
• RQ3 NAS-FPNは、モバイルおよび高精度設定を含む多様なバックボーンモデルにおいて、より良い精度と遅延のトレードオフを達成できるか？
• RQ4 APと推論時間の観点から、SSDLite や Mask R-CNN といった最先端モデルと比較して、NAS-FPNはどのように性能を発揮するか？
• RQ5 発見されたアーキテクチャは、早期終了戦略をサポートする「いつでも検出」を可能にするか？ また、手動で設計された代替手法と比較してどうか？

主な発見

• RetinaNetにMobileNetV2を組み合わせたNAS-FPNは、COCOテストデブで48.3 APを達成し、計算時間を短くしたMask R-CNNを上回る。
• 同じ推論時間で、MobileNetV2を用いたSSDLiteに比べ、NAS-FPNはモバイル検出精度を2.0 AP向上させる。
• ResNet-50バックボーンと256x256入力で、NAS-FPNは44.8 APを達成し、FLOPsが同程度のFPNベースラインを2.5 AP上回る。
• 384次元の特徴マップとドロップブロックを用いたNAS-FPNは、単一モデルと単一スケールのテストでCOCOで48.3 APを達成する。
• モバイル最適化版であるNAS-FPNLiteは、同程度のFLOPsとCPU実行時間で、FPNLiteおよびSSDLiteを上回る性能を発揮する（Pixel 1で評価）。
• ドロップブロック正則化は、特に特徴次元を増加させる場合にNAS-FPNの性能を向上させ、高容量バージョンでは最大1.2 APの向上をもたらす。