Unbalanced Optimal Transport: A Unified Framework for Object Detection

要約

トレーニング中に、教師ありオブジェクト検出は、予測された境界ボックスおよび関連する分類スコアをグラウンド トゥルースと正しく照合しようとします。
これは、どの予測をどのソリューションに向けて推し進めるか、または破棄するかを決定するために不可欠です。
一般的なマッチング戦略には、最も近いグラウンド トゥルース ボックスへのマッチング (主にアンカーと組み合わせて使用​​)、またはハンガリー アルゴリズムによるマッチング (主にアンカーなしの方法で使用) が含まれます。
これらの戦略にはそれぞれ、独自の特性、基礎となる損失、ヒューリスティックが伴います。
Unbalance Optimal Transport がこれらの異なるアプローチをどのように統合し、その間にある一連のメソッド全体を開くかを示します。
これにより、必要なプロパティをより細かく選択できるようになります。
実験的に、Unbalance Optimal Transport を使用して物体検出モデルをトレーニングすると、平均精度と平均再現率の両方の点で最先端の水準に達し、より高速な初期収束が実現できることを示しました。
このアプローチは GPU の実装に適しており、大規模モデルに利点があることが証明されています。

要約(オリジナル)

During training, supervised object detection tries to correctly match the predicted bounding boxes and associated classification scores to the ground truth. This is essential to determine which predictions are to be pushed towards which solutions, or to be discarded. Popular matching strategies include matching to the closest ground truth box (mostly used in combination with anchors), or matching via the Hungarian algorithm (mostly used in anchor-free methods). Each of these strategies comes with its own properties, underlying losses, and heuristics. We show how Unbalanced Optimal Transport unifies these different approaches and opens a whole continuum of methods in between. This allows for a finer selection of the desired properties. Experimentally, we show that training an object detection model with Unbalanced Optimal Transport is able to reach the state-of-the-art both in terms of Average Precision and Average Recall as well as to provide a faster initial convergence. The approach is well suited for GPU implementation, which proves to be an advantage for large-scale models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google