Abstract
- 문제점
- IoU(Intersection over Union)을 통해 positive와 negative anchor를 나누게 되면 noise anchor가 발생해 학습이 잘 되지 않는 문제가 발생함
- 해결책
- Anchor의 좋고(positive) 나쁨(negative)을 2분할하여 표현하지 않고 동적으로 연속적인 값으로 표현함
- 지난번 포스팅했던 DAL[1] 방법론과 유사하게 classification branch와 regression branch를 사용하여 좋은 anchor를 분류하는 cleanliness score를 제안함
- 추가적으로 발생하는 계산량은 거의 없으며, COCO데이터셋에서 성능을 2%이상 증가시킴
Introduction
Positive/Negative Anchor 선택의 중요성 및 문제점
제안하는 Positive/Negative Anchor 선택 방법
- 문제점
- IoU(Intersection over Union)을 통한 positive/negative anchor 선택으로 학습이 잘되지 않아 classification과 regression간의 불일치 문제 발생
- 제안하는 해결 방법 1
- Anchor를 positive/negative로 discrete하게 나누지 말고 continuous한 값으로 표현하자
- 제안하는 해결 방법 2
- Classification branch와 regression branch의 결과값을 사용하여 좋은(positive) anchor를 선택해보자
Proposed Method
Soft Label
Sample Re-Weighting
- One-stage detector는 two-stage detector와 다르게 RPN이 존재하지 않기 때문에 negative proposal이 매우 많으며, positive proposal은 적음
- 이 문제를 완화하기 위해 focal loss가 존재하지만, 레이블이 노이즈가 있는 즉 anchor의 좋고 나쁨이 잘못 판별된 위치의 proposal은 학습하는데 방해가 됨
- 그러므로 cleanliness score를 활용한 re-weight sample방법을 제안함
Experiments
Experimental Setup
- Dataset
- 학습용 : COCO trainval135k set
- 테스트용 : COCO test-dev2017
- Detectors
- 주로 사용한 모델 : RetinaNet
- 벡본 : ResNet-50, ResNet-101, ResNeXt-101 32x8d
- Implementation details
- GPUs : 4
- Batch size : 8 (2 images per GPU)
- Optimizer : SGD
- Input image size : 800 x 800
- Augmentation : horizontal flip
- Multi-scale training 사용 {640, 672, 704, 736, 768, 800}
- Multi-scale testing 사용 {400, 500, 600, 700, 900, 1000, 1100, 1200}
Ablation Study
Main Results
Discussions
Conclusions & Reviews
IoU(Intersection over Union)을 통해 positive와 negative anchor를 나누게 되면 noise anchor가 발생해 학습이 잘 되지 않기 때문에 classification branch와 regression branch를 사용하여 좋은 anchor를 분류하는 cleanliness score를 제안함
Anchor의 좋고(positive) 나쁨(negative)을 2분할하여 표현하지 않고 동적으로 연속적인 값 soft label로 표현하여 anchor의 표현을 다양하게(풍부하게) 해주는 방법이 재밌었음
Anchor를 생성하는 것도 중요하지만 학습하기에 좋은 anchor인지 안 좋은 anchor인지 판별하는 것 또한 매우 중요함
Reference
- Ming, Qi, et al. “Dynamic Anchor Learning for Arbitrary-Oriented Object Detection.” arXiv preprint arXiv:2012.04150 (2020).