Core Concepts
物体検出器の信頼性を高めるため、分類と位置推定の不確実性を活用し、コスト感応型のしきい値設定によって誤検出を効果的に除去する。
Abstract
本論文は、物体検出器の信頼性を高めるための手法を提案している。物体検出器は現実世界の応用において、天候条件や入力ノイズなどの要因により検出に失敗することがある。そのため、誤検出を軽減するプロセスが安全性と精度の観点から重要である。
提案手法では、分類と位置推定の両方の不確実性を考慮し、ユーザ定義のコストに基づいて誤検出と見落とし検出のバランスを取る。具体的には、以下の手順を踏む:
分類と位置推定の epistemic および aleatoric 不確実性を分析し、それらの校正と正規化の効果を検討する。
不確実性しきい値の自動設定アルゴリズムを提案し、コスト感応型のしきい値設定を行う。これにより、誤検出と見落とし検出のコストを考慮した最適なしきい値を導出する。
しきい値設定の有効性を評価するための指標を定義し、検出器のパフォーマンス劣化を防ぐための最小要件を導出する。
分類と位置推定の不確実性を最適に組み合わせるための最適化手法を提案する。
提案手法を3つの自動運転データセットで評価した結果、従来手法と比べて36-60%の故障認識率の向上が確認された。特に、位置推定の aleatoric 不確実性とソフトマックスエントロピーの組み合わせが最も効果的であった。
Stats
物体検出器の誤検出率は、KITTI データセットで2%、BDD データセットで31%であった。
KITTI データセットでは、提案手法により検出器のmIoUが最大2%、Accが0.7%向上した。
BDD データセットでは、提案手法により検出器のmIoUが最大5%、Accが1.3%向上した。
Quotes
"物体検出器は現実世界の応用において、天候条件や入力ノイズなどの要因により検出に失敗することがある。そのため、誤検出を軽減するプロセスが安全性と精度の観点から重要である。"
"提案手法では、分類と位置推定の両方の不確実性を考慮し、ユーザ定義のコストに基づいて誤検出と見落とし検出のバランスを取る。"
"提案手法を3つの自動運転データセットで評価した結果、従来手法と比べて36-60%の故障認識率の向上が確認された。"