Pedestrian Detection with Spatially Pooled Features and Structured Ensemble Learning
원문 초록
Many typical applications of object detection operate within a prescribed false-positive range. In this situation the performance of a detector should be assessed on the basis of the area under the ROC curve over that range, rather than over the full curve, as the performance outside the range is irrelevant. This measure is labelled as the partial area under the ROC curve (pAUC). We propose a novel ensemble learning method which achieves a maximal detection rate at a user-defined range of false positive rates by directly optimizing the partial AUC using structured learning. In order to achieve a high object detection performance, we propose a new approach to extract low-level visual features based on spatial pooling. Incorporating spatial pooling improves the translational invariance and thus the robustness of the detection process. Experimental results on both synthetic and real-world data sets demonstrate the effectiveness of our approach, and we show that it is possible to train state-of-the-art pedestrian detectors using the proposed structured ensemble learning method with spatially pooled features. The result is the current best reported performance on the Caltech-USA pedestrian detection dataset.
함께 살펴볼 논문
공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.
Increasing pedestrian detection performance through weighting of detection impairing factors
전사된 벵골어 텍스트에서의 개방형 어휘 단어 인식
Open Vocabulary Word Recognition From Transcribed Bangla Texts
광학 문자 인식(OCR)은 기술을 활용하여 문서를 스캔하고 텍스트를 추출함으로써 사람들의 작업을 수월하게 만듭니다. 소프트웨어 산업에는 다양한 OCR 시스템이 존재하지만, 벵골어에 적합한 신뢰할 수 있는 솔루션을 찾는 것은 많은 노력이 필요합니다. 필기체 텍스트의 경우 상황은 훨씬 더 까다롭습니다. 단어 이미지에서 단어를 인식하는 것은 모든 OCR 프로세스에서 가장 중요한 단계이며, 텍스트 이미지에서 단어를 분할한 직후의 두 번째 단계에 해당합니다. 이 단계가 실패하면 다른 단계가 아무리 우수하게 수행되더라도 OCR의 전반적인 성능은 저하됩니다. 본 연구는 심층 학습(deep learning)을 활용하여 필기체 벵골어 단어 이미지에서 단어를 인식하는 것을 목표로 합니다. 필기체 단어 이미지를 학습하고 테스트하기 위해 MobileNetV2 기반의 SSD, InceptionResNetV2 기반의 Faster R-CNN, 그리고 이 두 가지를 결합한 앙상블 모델 등 세 가지 객체 검출(object detection) 모델을 사용했습니다. 모델 결과의 효과를 높이기 위해 수정된 비최대 억제(Non-Maximum Suppression)를 도입했습니다. 다양한 사람들의 서로 다른 필체 스타일을 포함하는 9,841개의 필기체 벵골어 단어 이미지로 구성된 맞춤형 데이터셋을 구축했습니다. 테스트 데이터셋을 통해 세 모델의 성능을 모두 검증한 결과, 앙상블 모델이 92.61%의 F1-점수를 기록하며 가장 인상적인 성능을 보였습니다. 또한 단어 수준에서 앙상블 모델은 단어의 96.12%를 일정 수준 정확하게 인식했습니다. 시스템에서 발생하는 오류를 수정하기 위한 후처리 단계를 도입함으로써 시스템을 더욱 향상시킬 수 있습니다.
도메인 변화 환경에서 보행자 검출을 위한 신뢰도 통제 기반 설명가능 인공지능(XAI) 감사
Confidence-Controlled XAI Auditing for Pedestrian Detection under Domain Shift
지능형 차량의 인지 모델에서 설명가능성(explainability)이 점차 요구되고 있으나, 주행 도메인 변화(domain shift) 환경에서도 설명이 충실도(faithfulness)를 유지하는지는 여전히 명확히 밝혀지지 않았습니다. 본 연구는 관심 영역(ROI) 기반 D-Deletion, 고정 신뢰도 3분위수, 순위 기반 검정, 부트스트랩 신뢰구간 및 Holm 교정을 활용하여 PIE 및 JAAD 데이터셋에 걸쳐 고정된 YOLOv8s 보행자 검출기의 사후(post-hoc) 설명을 감사합니다. 감사 결과, 삭제 기반 충실도는 설명 생성 시점의 검출 강도(detection strength)와 강하게 결합되어 있으며(D-RISE의 스피어만 상관계수 0.70~0.82), 이로 인해 단순한 신뢰도 계층화 비교는 신뢰하기 어려움이 드러났습니다. 고정된 f0 빈(bin) 내에서 검출 강도를 통제한 후에도 D-RISE 충실도는 중심 f0 범위에서 도메인에 따라 달라졌으며, PIE가 JAAD보다 더 높은 D-Deletion 및 Holm 보정 유의성을 나타냈습니다. 비섭동(non-perturbative) 기반 EigenCAM 기준선은 D-RISE보다 충실도가 낮았으나 마찬가지로 점수 결합 현상을 보여, 이러한 효과가 D-RISE에만 국한되지 않고 삭제 기반 평가 설정과 연관되어 있음을 시사합니다. 이러한 결과는 도메인 변화 환경의 안전 필수(safety-critical) 인지 시스템에서 신뢰도를 통제한 XAI 감사가 필요함을 시사합니다.
잡초가 많은 현장 영상에서의 소형 수분 매체 검출
Small-Pollinator Detection in Cluttered Field Video
현장 영상에서 수분 매체를 검출하는 것은 어렵다. 대상은 작고 시각적으로 유사하며, 흐림과 가림 상태에서 잡초가 많은 식생 배경 위에서 관측된다. 우리는 실용적인 단일 GPU 연산 예산 하에서 소형 수분 매체 검출에 대한 체계적인 실증 연구를 제시한다. BuzzSpot 챌린지 데이터셋을 사용하여 입력 해상도에 걸쳐 YOLO 및 RF-DETR 모델을 비교하고, 슬라이스 추론, 클래스 게이트 융합, 크기 라우팅 앙상블, 사후 시간적 처리를 평가한다. 1344픽셀 해상도의 RF-DETR Large가 최고의 숨겨진 테스트 결과를 달성하여 0.405 mAP50:95에 도달했으며, 1120픽셀 모델(0.379)과 최고 단일 모델 YOLO26m 기준선(0.366)을 능가했다. 가장 큰 성능 향상은 RF-DETR 채택과 입력 해상도 증가에서 나왔으며, 이는 검출기 선택과 입력 해상도가 추가적인 추론 시간 복잡도보다 더 효과적인 레버였음을 나타낸다. 해상도 향상은 소형 객체와 더 희귀한 호박벌 및 나방 클래스에서 가장 강했다. 슬라이스 추론 융합, 크기 라우팅 앙상블, 웜 스타트 1536픽셀 연속은 이 결과를 넘지 못했으며, 사후 시간적 처리는 유출된 진단 평가를 개선하지 못했다. 오류 분석은 벌-허버플라이 구별을 가장 명확한 남은 병목으로 확인했다. 인접 프레임은 사후 보정을 위한 올바르게 분류된 허버플라이 증거를 거의 제공하지 못했다. 이러한 결과는 최종 분류 결정 전 학습된 특징 수준의 시간적 집계의 필요성을 시사한다.
탐지기는 잘못된 것을 학습한다: 물리적으로 실현 가능한 공격에 대항하는 단축 경로 저항적 적대적 학습
Detectors Learn the Wrong Thing: Shortcut-Resistant Adversarial Training Against Physically Realizable Attacks
AI 기반 시각 지각 시스템이 지능형 교통 인프라 및 자율주행 차량 관련 응용에 점점 더 배치되고 있다. 그러나 물리적으로 실현 가능한 적대적 외형은 이러한 안전성(safety)에 중요한 시스템에 상당한 신뢰성 과제를 제기한다. 적대적 학습(adversarial training)은 효과적이지만, 적대적 텍스처와 양성 person 인스턴스 간의 반복적 공발생은 탐지기가 텍스처 자체를 객체 존재의 증거로 취급하게 만들어 패치 텍스처 단축 경로(shortcut)를 형성할 수 있다. 탐지기는 그러면 텍스처를 대상에 대한 증거로 취급하여, 텍스처만 있는 입력에서 오탐을 유발하고 교차 공격 일반화를 약화시킬 수 있다. 우리는 탐지기가 적대적 텍스처를 독립적인 판단 단서로 사용하는 것을 방지하는 인스턴스 수준 대조(contrastive) 적대적 학습 프레임워크인 InsCAT를 제안한다. SICA는 적대적 person 특징(feature)을 대응하는 clean 특징과 정렬하고 텍스처만 있는 음성(negative) 샘플과 분리하며, ROPO와 Guard는 온라인 공격 압력을 유지하고 학습을 조율한다. 렌더링된 nuScenes, INRIAPerson, 인쇄 의류, 세 가지 탐지기 계열에서 독립적으로 생성된 8개의 공격 텍스처를 평가한다. InsCAT은 렌더링된 nuScenes에서 평균 공격 AP 82.3%를 달성하여, 가장 강한 기준선보다 11.1포인트 높다. AT-Mix 대비 텍스처 FPR은 46.9%에서 7.3%로 감소한다. 물리적 테스트는 F1 점수 96.6%와 FPR 1.8%를 산출한다. 별도로 학습된 탐지기에서의 일관된 성능 향상은 직접 추론으로 아키텍처 전반에 걸친 적용 가능성을 보여준다. 결과는 견고한(robust) 물리적 탐지가 대상 관련 증거를 보존하면서 적대적 텍스처가 독립적인 판단 단서가 되는 것을 방지하는 데 달려 있음을 보여준다.
PRISM-DR: 당뇨망막병증을 위한 전문가 모델 기반 병변별 망막 추론
PRISM-DR: Per-lesion Retinal Inference with Specialist Models for Diabetic Retinopathy
당뇨망막병증은 예방 가능한 실명의 주요 원인이며, 초기 병변은 작고 대비가 낮아 수동 스크리닝에서 놓치기 쉽다. 대부분의 자동 검출기는 비증식성 당뇨망막병증(DR)의 네 가지 병변—미세동맥류(microaneurysms), 출혈(hemorrhages), 경성 삼출물(hard exudates), 연성 삼출물(soft exudates)—을 단일 다중 클래스 모델로 처리하지만, 이러한 병변은 크기, 색상, 형태, 발생 빈도에서 크게 달라 공유 모델은 희귀하고 어려운 클래스보다 흔하고 쉬운 클래스에 유리하게 작동한다. 우리는 PRISM-DR을 제안한다. 이는 병변별 파이프라인으로, 각 병변마다 고유한 설정을 갖춘 단일 클래스 검출기를 하나씩 학습한다. 원시 안저(fundus) 영상에서 파이프라인은 관심 영역(ROI) 크롭, 안저 특화 전처리, 네 개의 병렬 YOLO 검출기, 타일링(tiling), 5겹 교차 검증 폴드의 병변별 앙상블, 그리고 신뢰도(confidence)가 아닌 병변의 물리적 크기와 임상적 우선순위에 따라 중첩을 해결하는 병변 간 억제 단계를 적용한다. 병변별로 다섯 세대의 YOLO 중 최적을 선택하고, 데이터 증강(augmentation)은 베이지안 최적화(Bayesian optimization)로 조정한다. IDRiD에서 계층화 5겹 교차 검증으로 학습한 시스템은 테스트 mAP50 0.527, F1 0.529를 달성했으며, 경성 삼출물에서 AP50 0.561로 가장 높은 성능을 보였다. 미세조정 없이도 촬영 스케일이 IDRiD와 유사한 경우 모델이 잘 전이(transfer)되며, 시야(field of view)와 해상도가 달라질수록 성능이 저하된다. 이러한 절대 성능은 작은 단일 출처 학습 데이터셋과 어려운 과제를 반영한 것이지만, 각 병변을 별도의 검출 문제로 다루는 접근은 단일 다중 클래스 모델에 대한 실용적인 대안이다.
토론
이 논문과 연결된 포럼 글이 아직 없습니다.