[論文レビュー] Side-Aware Boundary Localization for More Precise Object Detection

Jiaqi Wang, Wenwei Zhang+7 more|arXiv (Cornell University)|Dec 9, 2019

Advanced Neural Network Applications参考文献 67被引用数 20

ひとこと要約

本稿では、二段階のバケツ化スキームを用いて各バウンディングボックスの側面を独立して回帰することで、局所化精度を向上させる新しいオブジェクト検出手法、Side-Aware Boundary Localization (SABL) を提案する。Faster R-CNN、RetinaNet、Cascade R-CNN における標準的な回帰を置き換えることで、それぞれ 3.0%、1.7%、0.9% の AP 向上が達成され、推論オーバーヘッドは最小限に抑えられる。

ABSTRACT

Current object detection frameworks mainly rely on bounding box regression to localize objects. Despite the remarkable progress in recent years, the precision of bounding box regression remains unsatisfactory, hence limiting performance in object detection. We observe that precise localization requires careful placement of each side of the bounding box. However, the mainstream approach, which focuses on predicting centers and sizes, is not the most effective way to accomplish this task, especially when there exists displacements with large variance between the anchors and the targets. In this paper, we propose an alternative approach, named as Side-Aware Boundary Localization (SABL), where each side of the bounding box is respectively localized with a dedicated network branch. To tackle the difficulty of precise localization in the presence of displacements with large variance, we further propose a two-step localization scheme, which first predicts a range of movement through bucket prediction and then pinpoints the precise position within the predicted bucket. We test the proposed method on both two-stage and single-stage detection frameworks. Replacing the standard bounding box regression branch with the proposed design leads to significant improvements on Faster R-CNN, RetinaNet, and Cascade R-CNN, by 3.0%, 1.7%, and 0.9%, respectively. Code is available at https://github.com/open-mmlab/mmdetection.

研究の動機と目的

• オブジェクト検出におけるバウンディングボックス回帰の不正確さ、特にアーカイブ・ターゲット間の位置ずれ分散が大きい状況での課題を解決すること。
• 計算コストやパイプラインの複雑さを著しく増加させることなく、局所化精度を向上させること。
• 各バウンディングボックスの側面を独立した局所化ターゲットとして扱い、側面固有のコンテキストを活用する新しい設計を検討すること。
• 二段階・単段階・キャスケード検出器の両方で効果的に機能する、軽量で効果的な標準回帰の代替手法を開発すること。

提案手法

• SABL は、バウンディングボックスの各側面の境界コンテンツに焦点を当てた、側面別特徴抽出モジュールを導入する。
• 二段階の局所化スキームを採用：まず各側面の境界の粗いバケツ（範囲）を予測し、次にそのバケツ内での正確な位置を微調整する。
• バケツ化推定では、複数の事前に定義された位置ずれ範囲のうち、真の境界が含まれるものを分類ヘッドが予測する。
• 微調整回帰では、選択されたバケツ内での正確なオフセットを予測し、位置ずれ分散が大きい状況下での局所化精度を向上させる。
• 再スコアリング機構により、バケツ化の信頼度を用いて分類スコアを調整し、NMS 時に高品質な検出結果を保持する。
• Faster R-CNN、RetinaNet、Cascade R-CNN に最小限のアーキテクチャ変更で統合され、推論時間は約 10% の追加コストにとどまる。

実験結果

リサーチクエスチョン

• RQ1 共同での中心座標・サイズ回帰と比較して、独立した側面別局所化はオブジェクト検出の精度を向上させるか？
• RQ2 粗い→細かい回帰を特徴とする二段階のバケツ化スキームは、大きなアーキテクチャ・ターゲット位置ずれが生じる状況下で、回帰の分散を低減し、局所化精度を向上させるか？
• RQ3 SABL は二段階および単段階の検出フレームワークの両方に対して効果的に適用可能であり、一貫した性能向上を示すか？
• RQ4 バケツ化の信頼度を分類スコアに統合することで、検出性能にどのような影響を与えるか？
• RQ5 バケツ数やスケーリング要因などのハイパーパrameter設定（例：バケツ数、スケール要因）は、異なる検出アーキテクチャで最適な性能を発揮するか？

主な発見

• 標準的なバウンディングボックス回帰を SABL に置き換えることで、Faster R-CNN では AP が 3.0% 向上、RetinaNet では 1.7%、Cascade R-CNN では 0.9% 向上した。
• Faster R-CNN では、SABL を用いることで推論時間は約 10% の追加コストで 41.8% の AP を達成した（ベースラインは 38.8%）。
• RetinaNet では、追加の推論コストなしに AP を 38.8% から 40.5% まで向上させた。
• Cascade R-CNN では、AP を 42.4% から 43.3% まで向上させ、強力なベースラインでも一貫した向上を示した。
• すべての IoU バイニングで IoU が向上し、特に高閾値（例：IoU ≥ 0.9）で顕著で、より高い局所化精度を示している。
• トップ1、トップ2、トップ3 のバケツ分類精度はそれぞれ 69.3%、90.0%、95.7% に達し、バケツ化設計の有効性を裏付けている。