[리뷰] A Normalized Gaussian Wasserstein Distance for Tiny Object Detection

이번에는 ISRPS 2022에 발표된 논문인 A Normalized Gaussian Wasserstein Distance for Tiny Object Detection를 읽고, 이전과 다르게 세세한 리뷰 보다는, 새롭게 제시된 개념 위주로 간략하게 훑어보고자 합니다.

Index
1. Background
    1.1. Problem about tiny object detection
    1.2. 다양한 IoU의 종류
2. Method
    2.1. Wasserstein Distance
    2.2. Gaussian Wassertein Distance
    2.3. Normalized Gaussian Wassertein Distance
3. Experiment

1. Background

1.1. Problem about tiny object detection

• 여전히 크기가 매우 작은 object들은 detection에 어려움을 겪고있음
  • 저자는 이 원인을 IoU의 문제점 때문이라 지적
    • object의 크기가 작을수록 IoU 값의 변화가 큼
    • object의 크기에 상관없이 동일한 기울기를 가진 deviation curve가 나오고, object 크기가 서로 다르더라도 값의 제한이 생기는 IoU와 달리 모든 범위에서 값이 나옴

1.2. 다양한 IoU의 종류

다양한 IoU 종류

 

 

2. Method

2.1. Wasserstein Distance

• 두 확률 분포 사이의 거리를 계산
  • 본 논문에서는 bounding box에 내접하는 타원을 2D gaussian distribution으로 변경하여 이용

2.2. Gaussian Wassertein Distance

• $W_{2}^{2}(\mu_{1}, \mu_{2}) = \left \| \bf{m}_{1}-\bf{m}_{2} \right \|^{2}_{2} + \bf{Tr} \left( \Sigma_{1}+\Sigma_{2}-2 \left( \Sigma_{2}^{1/2} \Sigma_{1} \Sigma_{2}^{1/2} \right)^{1/2} \right)$

2.3. Normalized Gaussian Wassertein Distance

• $NWD(\mu_{1}, \mu_{2}) = \exp{\left( - \frac{\sqrt{W_{2}^{2}(\mu_{1}, \mu_{2})}}{C} \right)}$
  • $C$는 hyperparameter로, dataset의 bbox 크기 평균을 이용

 

3. Experiment

 

 

논문 링크

https://arxiv.org/abs/2110.13389

https://github.com/jwwangchn/NWD

 

참고 링크

https://youtu.be/eGKlg4sZ0Zw