[论文解读] LogoDet-3K: A Large-Scale Image Dataset for Logo Detection

Jing Wang, Weiqing Min+4 more|arXiv (Cornell University)|Aug 12, 2020

Advanced Image and Video Retrieval Techniques参考文献 42被引用 9

一句话总结

本文提出了 LogoDet-3K，这是目前公开可用的最大规模的logo检测数据集，包含3,000个类别、194,261个标注对象和158,652张图像。该研究提出了一种基于YOLOv3的Logo-Yolo方法，结合Focal Loss与CIoU Loss以解决类别不平衡和边界框回归问题，在LogoDet-3K上实现了55.37%的mAP，较YOLOv3高出4%，并在其他数据集上展现出强大的泛化能力。

ABSTRACT

Logo detection has been gaining considerable attention because of its wide range of applications in the multimedia field, such as copyright infringement detection, brand visibility monitoring, and product brand management on social media. In this paper, we introduce LogoDet-3K, the largest logo detection dataset with full annotation, which has 3,000 logo categories, about 200,000 manually annotated logo objects and 158,652 images. LogoDet-3K creates a more challenging benchmark for logo detection, for its higher comprehensive coverage and wider variety in both logo categories and annotated objects compared with existing datasets. We describe the collection and annotation process of our dataset, analyze its scale and diversity in comparison to other datasets for logo detection. We further propose a strong baseline method Logo-Yolo, which incorporates Focal loss and CIoU loss into the state-of-the-art YOLOv3 framework for large-scale logo detection. Logo-Yolo can solve the problems of multi-scale objects, logo sample imbalance and inconsistent bounding-box regression. It obtains about 4% improvement on the average performance compared with YOLOv3, and greater improvements compared with reported several deep detection models on LogoDet-3K. The evaluations on other three existing datasets further verify the effectiveness of our method, and demonstrate better generalization ability of LogoDet-3K on logo detection and retrieval tasks. The LogoDet-3K dataset is used to promote large-scale logo-related research and it can be found at https://github.com/Wangjing1551/LogoDet-3K-Dataset.

研究动机与目标

• 为解决缺乏大规模、全标注、高多样性与复杂性的logo检测数据集的问题。
• 通过扩大类别覆盖范围与提升对象标注规模，建立更具挑战性的logo检测基准。
• 开发一种针对大规模logo检测的强基准模型Logo-Yolo，以应对多尺度、类别不平衡及复杂背景的挑战。
• 验证LogoDet-3K在多个数据集与任务（包括检测与检索）中的泛化能力。

提出的方法

• LogoDet-3K通过一个严谨的流程构建，包括logo图像收集、筛选以及在158,652张图像中对194,261个边界框进行人工标注。
• 该数据集包含3,000个不同的logo类别，涵盖高度多样的logo类型、变换形式以及背景复杂度。
• Logo-Yolo基于YOLOv3构建，并引入Focal Loss以缓解logo检测中长期存在的类别不平衡问题。
• 将CIoU Loss集成到Logo-Yolo中，以提升边界框回归的准确性，尤其针对小尺寸和形变严重的logo。
• 该方法在LogoDet-3K上进行训练与评估，并在三个现有数据集（QMUL-OpenLogo、FlickrLogos-32、WebLogo-2M）上进行测试，以评估其泛化能力。
• 消融实验验证了Focal Loss与CIoU Loss在提升复杂logo实例检测性能方面的有效性。

Figure 1: Statistics of LogoDet-3K categories and images. The abscissa represents the number of logo images, the ordinate represents the number of categories.

实验结果

研究问题

• RQ1 LogoDet-3K在规模、多样性与标注质量方面与现有logo检测数据集相比如何？
• RQ2 经过修改的YOLOv3框架是否能有效应对小尺寸、多尺度及类别不平衡的logo检测挑战？
• RQ3 所提出的Logo-Yolo模型是否在新旧基准数据集上均实现了更优的性能与泛化能力？
• RQ4 在LogoDet-3K上进行预训练，能在多大程度上提升logo检索任务的性能？

主要发现

• LogoDet-3K包含3,000个logo类别、194,261个标注对象以及158,652张图像，是迄今为止最大规模的全标注logo检测数据集。
• Logo-Yolo在LogoDet-3K上实现了55.37%的mAP，较YOLOv3提升4%，并在同一基准上优于其他最先进模型。
• 该方法展现出强大的泛化能力，在从QMUL-OpenLogo微调至LogoDet-3K时，mAP达到56.10%，表明其在不同数据集间的可迁移性。
• 在LogoDet-3K上进行预训练可提升FlickrLogos-32上的检索性能，使用ResNet101时mAP从52.62%提升至54.17%。
• 失败案例揭示了在检测极小、被遮挡或高度相似logo方面仍存在挑战，表明多标签与小物体检测仍具难度。
• Focal Loss与CIoU Loss的结合显著提升了检测准确率，尤其在稀有与小尺度logo实例上表现突出。

Figure 2: Image samples from various categories of LogoDet-3K.