Directly Optimizing IoU for Bounding Box Localization

要約

タイトル: バウンディングボックスの位置決めにおいてIoUを直接最適化する

要約:
– CNNの導入により、物体検出技術は大きく進歩してきた。
– 画像内の物体の位置とクラスの両方を正確に識別する必要があるため、物体検出はマルチタスク学習の問題である。
– この論文では、グランドトゥルースのバウンディングボックスと予測結果の重なり、すなわちIoUを最大化することが目的である。
– 現在この分野で見られる作業範囲において、IoUはHuber lossを代理手法として近似することによって扱われているが、この間接的な方法はIoU情報を活用せず、バウンディングボックスを4つの独立した、非関連的な回帰項目として扱っている。
– しかし、バウンディングボックスは4つの座標が高度に相関しており、一緒に取られると意味を持つため、これは正しくない。
– IoUを直接最適化することは不可能であるため、この論文ではSmooth IoUと呼ばれる新しいロスを考案し、バウンディングボックスのIoUsを直接最適化することを目的とした。
– このロスは、Oxford IIIT Pets、Udacity自動運転車、PASCAL VOC、VWFS車損傷データセットで評価され、Huber lossに比べてパフォーマンスの向上が示された。

要約(オリジナル)

Object detection has seen remarkable progress in recent years with the introduction of Convolutional Neural Networks (CNN). Object detection is a multi-task learning problem where both the position of the objects in the images as well as their classes needs to be correctly identified. The idea here is to maximize the overlap between the ground-truth bounding boxes and the predictions i.e. the Intersection over Union (IoU). In the scope of work seen currently in this domain, IoU is approximated by using the Huber loss as a proxy but this indirect method does not leverage the IoU information and treats the bounding box as four independent, unrelated terms of regression. This is not true for a bounding box where the four coordinates are highly correlated and hold a semantic meaning when taken together. The direct optimization of the IoU is not possible due to its non-convex and non-differentiable nature. In this paper, we have formulated a novel loss namely, the Smooth IoU, which directly optimizes the IoUs for the bounding boxes. This loss has been evaluated on the Oxford IIIT Pets, Udacity self-driving car, PASCAL VOC, and VWFS Car Damage datasets and has shown performance gains over the standard Huber loss.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI