An advanced YOLOv3 method for small object detection

要約

小さなオブジェクトの検出は、大きなオブジェクトのオクルージョンの影響を受けやすく、小さなオブジェクト自体には特徴情報が比較的少ないため、オブジェクト検出の分野では非常に困難なタスクです。
YOLOv3 ネットワークが小さなオブジェクト検出のコンテキスト意味関係を考慮しないという問題を目指して、小さなオブジェクトの検出精度は高くありません。
この論文では、マルチレベル融合と特徴増強を組み合わせた小さなオブジェクト検出ネットワークを提案します。
まず、特徴マップ内の小さなオブジェクトの特徴情報を強化するために、特徴強化モジュールがバックボーン抽出ネットワークの深層に導入されます。
第二に、小さなオブジェクトの文脈上の意味関係をよりよく捉えるために、マルチレベルの機能融合モジュールが提案されています。
さらに、Soft-NMS と CIOU を組み合わせた戦略を使用して、遮蔽された小さなオブジェクトの検出漏れの問題を解決します。
最後に、MS COCO2017 物体検出タスクのアブレーション実験は、この論文で紹介したいくつかのモジュールが小さな物体検出に有効であることを証明しています。
MS COCO2017、VOC2007、および VOC2012 データセットの実験結果は、このメソッドの AP が YOLOv3 の AP よりもそれぞれ 16.5%、8.71%、および 9.68% 高いことを示しています。
すべての実験は、この論文で提案された方法が小さな物体検出の検出性能が優れていることを示しています。

要約(オリジナル)

Small object detection is a very challenging task in the field of object detection because it is easily affected by large object occlusion and small object itself has relatively little feature information. Aiming at the problem that the YOLOv3 network does not consider the context semantic relationship of small object detection, the detection accuracy of small objects is not high. In this paper, we propose a small object detection network combining multi-level fusion and feature augmentation. First, the feature enhancement module is introduced into the deep layer of the backbone extraction network to enhance the feature information of small objects in the feature map. Second, a multi-level feature fusion module is proposed to better capture the contextual semantic relationship of small objects. In addition, the strategy of combining Soft-NMS and CIOU is used to solve the problem of missed detection of occluded small objects. At last, The ablation experiment of the MS COCO2017 object detection task proves the effectiveness of several modules introduced in this paper for small object detection. The experimental results on the MS COCO2017, VOC2007, and VOC2012 datasets show that the AP of this method is 16.5%, 8.71%, and 9.68% higher than that of YOLOv3, respectively. All experiments show that the method proposed in this paper has better detection performance for small object detection.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google