Deformable Capsules for Object Detection

要約

本研究では、コンピュータビジョンにおける非常に重要な問題である物体検出を扱うために、新しいカプセルネットワークのファミリーである変形可能なカプセル（DeformCaps）を紹介する。我々は、DeformCapsに関連する2つの新しいアルゴリズムを提案する：新しいカプセル構造（SplitCaps）と新しい動的ルーティングアルゴリズム（SE-Routing）は、計算効率と多数のオブジェクトとクラスをモデル化する必要性のバランスをとり、これまでカプセルネットワークで達成されたことがないものである。提案手法により、カプセルが大規模なコンピュータビジョンのタスクに効率的にスケールアップできることを初めて実証し、文献上初めて物体検出のためのカプセルネットワークを作成する。提案するアーキテクチャは1ステージの検出フレームワークであり、MS COCOにおいて、最先端の1ステージCNNベースの手法と同程度の結果を得るとともに、誤検出が少なく、物体の異常な姿勢・視点に一般化することが可能である。

要約(オリジナル)

In this study, we introduce a new family of capsule networks, deformable capsules (DeformCaps), to address a very important problem in computer vision: object detection. We propose two new algorithms associated with our DeformCaps: a novel capsule structure (SplitCaps), and a novel dynamic routing algorithm (SE-Routing), which balance computational efficiency with the need for modeling a large number of objects and classes, which have never been achieved with capsule networks before. We demonstrate that the proposed methods allow capsules to efficiently scale-up to large-scale computer vision tasks for the first time, and create the first-ever capsule network for object detection in the literature. Our proposed architecture is a one-stage detection framework and obtains results on MS COCO which are on-par with state-of-the-art one-stage CNN-based methods, while producing fewer false positive detections, generalizing to unusual poses/viewpoints of objects.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL