Faster R-CNN まとめ
- 物体検出のモデルの一つ
- 精度が高く速度が遅い
- 速度が必要なく、精度が欲しい時に使うモデル
他の物体検出のモデルとの比較
| モデル名 | Yolo v3 | SSD | Faster R-CNN | CenterNet |
|---|---|---|---|---|
| 精度 | 悪い | 少し悪い | 少し良い | 良い |
| 速さ | 早い | 少し早い | 少し遅い | 遅い |
歴史
R-CNN
- Selective Searchを用いて物体らしいところを2000個ほど検出
- ここは人が作ったアルゴリズム
- テクスチャ、色などで物体を識別する
- 検出したところをクロップし、一定の大きさにしてCNNで特徴量抽出
- SVMでクラス分類、回帰でBBOXの位置調整
Fast R-CNN
R-CNNの問題点
- R-CNNはCNN,SVM,BBOX回帰を別々に学習しなければならない
- 実行時間が遅い
改善方法
- RoI poolingを導入することで、Selective Search→CNN時の重複部分を無くす
- 特徴抽出のためのCNNの後に、幅の大きさが可変的なPooling層を入れる
- こうすることで、不均一なサイズの入力に対し固定サイズの特徴ベクトルを得る
- CNN,SVM,BBOX回帰を単一のモデルにする
- 流れはR-CNNと同じ
Faster R-CNN
Fast R-CNNの問題点
- Selective Searchが遅い
- Selective Search（候補領域の提案）は学習しない
改善点
- Selective SearchをRegion Proposal Networkに置換
- 小さなCNNをかけた後、縦横比・サイズが異なるAnchorBOX（BBOX）で特徴抽出
- その後、FC層で物体か否かとBBOXの位置を回帰
- 高速化・完全なEnd2Endによる高精度化を達成
類似モデルなど（詳細は割愛）
Yolo
- 画像をグリッド状に分割する
- リアルタイム性が必要なものに使用
SGD
- 畳み込みの異なる段階の特徴量を使用する
- 低解像度・小さな画像に強い
Cascade R-CNN
- Faster R-CNNの改良
- IoUの閾値を段階的に上げていく
- 精度は良いが、計算資源を要求
モデルの構造
- 画像を畳み込み層に入れ、特徴マップを出す
- image - conv_layers - feature_maps
- 特徴マップにnxn（論文ではn=3）のConv層をかけた後、FC層のような畳み込み層（kernel=1,stride=1にすることで総結合っぽくする）で物体らしさと位置（x1,x2,w,h）を出力
- Region Proposal Network
- 1の特徴マップと2の提案領域から、BBOXを計算・分類する
- RoI pooling
- classifier
論文での工夫点
- RPN部分では、そのまま学習すると負のサンプルの影響が大きいため、正負の割合が１対１になるようにサンプリングする
- 上記のモデルの構造だと、厳密な学習ではなく近似解になる
- こちらの方が学習は早い
- 論文ではRPNとFast R-CNN部分を交互に学習していた
CenterNetとは
- CenterNetという名前の2種類モデルがあるが、Object as Pointsの方
歴史
- Heatmapベースの手法
- Faster R-CNNなどより後
- アンカーの代わりにHeatmapを用いる
- CornerNet（2018/8）が源流
- アンカー→BBOX回帰ではなく、Heatmapで左上・右下をキーポイントとして学習する
モデルの構造
- アンカーではなく、ヒートマップでクラスごとに物体の中心を予測
-
高さ・幅・クラス・などの特性は、各位置で回帰する
-
画像を畳み込み層のみで出来たネットワークに入れ、ヒートマップを作成する
- ヒートマップのピーク（周囲8箇所と比較して）を物体の中心とする
- 必要に応じて、物体の中心の特徴ベクトルから、物体のサイズ・奥行き・向き・姿勢などを推定する