[论文解读] BING++: A Fast High Quality Object Proposal Generator at 100fps

Ziming Zhang, Yun Liu+3 more|arXiv (Cornell University)|Nov 14, 2015

Advanced Neural Network Applications参考文献 51被引用 20

一句话总结

BING++ 是一种快速、高质量的候选框生成器，通过递归地利用边缘特征和距离变换对边界框进行细化，提升了 BING 的效率和定位精度，在 VOC2007 上实现每秒 100 帧、每张图像 0.009 秒推理时间下 95.3% 的检测召回率和 68.7% 的 mAP。

ABSTRACT

We are motivated by the need for an object proposal generation algorithm that achieves a good balance between proposal localization quality, object recall and computational efficiency. We propose a novel object proposal algorithm {\em BING++} which inherits the good computational efficiency of BING \cite{BingObj2014} but significantly improves its proposal localization quality. Central to our success is based on the observation that good bounding boxes are those that tightly cover objects. Edge features, which can be computed efficiently, play a critical role in this context. We propose a new algorithm that recursively improves BING's proposals by exploiting the fact that edges in images are typically associated with object boundaries. BING++ improves proposals recursively by incorporating nearest edge points (to proposal boundary pixels) to obtain a tighter bounding box. This operation has linear computational complexity in number of pixels and can be done efficiently using distance transform. Superpixel merging techniques are then employed as post-processing to further improve the proposal quality. Empirically on the VOC2007 dataset, using $10^3$ proposals and IoU threshold 0.5, our method achieves 95.3\% object detection recall (DR), 79.2\% mean average best overlap (MABO), and 68.7\% mean average precision (mAP) on object detection over 20 object classes within an average time of {\bf 0.009} seconds per image.

研究动机与目标

• 解决对一种快速、高质量候选框生成算法的需求，该算法需在定位精度、目标召回率和计算效率之间取得平衡。
• 在保持计算速度的前提下，提升 BING 的定位性能。
• 利用边缘特征和距离变换，使候选框更紧密地贴合物体边界。
• 通过递归细化和基于超像素的后处理进一步提升候选框质量。
• 在高推理速度下实现目标检测召回率和平均平均精度的最先进性能。

提出的方法

• 通过引入边界像素最近的边缘点来递归细化初始 BING 候选框，以收紧边界框。
• 利用距离变换高效计算每个边界像素到最近边缘点的距离，确保计算复杂度与像素数量呈线性关系。
• 将边缘特征用作物体边界的代理，利用边缘通常与物体轮廓对齐的特性。
• 在后处理中引入超像素合并技术，进一步提升候选框质量并减少冗余。
• 结合边缘感知细化与高效的距离变换，在保持实时性能的同时提升定位精度。

实验结果

研究问题

• RQ1 使用边缘接近度进行递归细化能否提升候选框生成中的定位质量？
• RQ2 结合经过距离变换的边缘特征是否能在不牺牲速度的前提下实现更紧密、更准确的候选框？
• RQ3 在初步细化之后，超像素合并能在多大程度上提升候选框质量？
• RQ4 与 BING 相比，所提方法在召回率、重叠质量及推理速度方面表现如何？
• RQ5 能否在标准基准上实现高检测召回率和 mAP，同时保持每秒 100 帧的实时性能？

主要发现

• BING++ 在 VOC2007 上使用 1,000 个候选框和 0.5 的 IoU 阈值，实现了 95.3% 的目标检测召回率（DR）。
• 该方法获得了 79.2% 的平均最佳重叠（MABO），表明其定位质量优于先前方法。
• BING++ 在 VOC2007 的 20 个类别上实现了 68.7% 的平均平均精度（mAP），展现出强大的检测性能。
• 该算法运行速度为每秒 100 帧，平均每张图像的推理时间为 0.009 秒，保持了高效率。
• 利用边缘特征和距离变换进行递归细化显著提升了候选框的紧凑性，且未增加计算复杂度。
• 后处理中引入的超像素合并进一步提升了候选框质量，减少了重叠误差并提高了稳定性。