オブジェクト検出における分類と局所化を統合するランクに基づくバランスの取れた損失関数

本稿では、物体検出における分類および局所化タスクの両方に対応する統一的で有界かつバランスの取れた、ランクに基づく損失関数として、平均局所化再現率精度（aLRP）を提案する。aLRPは、平均精度（AP）損失が分類タスクにおいて精度をランクに基づく損失関数に拡張するのと同じ発想に基づき、Oksuzら（2018）が提唱した局所化再現率精度（LRP）評価指標を拡張したものである。aLRPには以下の特徴がある：（i）aLRPは、分類および局所化の両タスクに対して初めて提案されたランクに基づく損失関数である。（ii）両タスクにおいてランクを用いることにより、高精度な分類に対して自然に高品質な局所化を強制する仕組みが実現される。（iii）aLRPは陽性と陰性の間で証明可能なバランスを保証する。（iv）最先端の検出器における損失関数が平均して約6つのハイパーパラメータを必要とするのに対し、aLRP損失は実用上チューニングを行わずに使用可能な、たった1つのハイパーパラメータしか持たない。COCOデータセットにおいて、aLRP損失はランクに基づく先行研究であるAP損失を最大で約5 APポイント向上させ、テスト時増強なしで48.9のAPを達成し、すべてのワンステージ検出器を上回る性能を発揮した。コードは以下より公開されている：https://github.com/kemaloksuz/aLRPLoss