Kaggleに挑戦-8

課題１：GitHubのexperiencor / image-to-3d-bboxのプログラムコードを理解すること

課題２：３D Bounding Box Estimation Using Deep Learning and Geometry, A. Mousavian et.al., arXiv:1612.00496v2 [cs.CV] 10 Apr 2017を理解すること

今日の課題

＊入力データの前処理：昨日の調査で、Faster R-CNN等では、bounding boxは、直接形成するのではなく、ancor boxと称するいくつかの分割領域を形成する手法をとっており、それにヒントを得て、orientationの見積もりにMultiBinという手法を提案したとあったので、bounding boxの作り方につき、Faster R-CNNに学ぶ。

＊損失関数の理解：損失関数についてもFaster R-CNNに学ぶ。

＊bounding boxとは何か。

KITTIに関する情報を得ることにより、論文やプログラムコードの理解が進んだ。それならばということで、Faster R-CNNを理解するために、その評価に用いられているPASCAL VOCを調べてみた。コンペは2006年に始まり、2012年で終了している。

その後のR-CNN、Faster R-CNNの開発につながる、重要なコンペサイトだったようだが、その後、データー量が桁違いに多い、ILSVRCのようなコンペサイトがいくつか出てきて、その役割を終えたようだ。

PASCAL VOCの評価項目は最終的には以下のような5項目だった。

１．Classification：物体の分類

２．Detection : 物体検出：分類した物体の場所をbounding boxで示す。

３．Segmentation：分類した物体の場所をピクセル単位で示す。

４．Action Classification：bounding boxで示した物体の行動を特定する。

５．Person Layout：ヒトの手や足などの場所をboundhing boxで示す。

前処理のプログラムの最初に、def compute_anchors(angle)という関数が定義されている。このanchorが重要。

def compute_anchors(angle):
anchors = [ ]
wedge = 2.＊np.pi/BIN
l_index = int(angle/wedge)
r_index = l_index + 1
if (angle - l_index＊wedge) < wedge/2＊ (1+OVERLAP/2):
anchors.append([l_index, angle - l_index*wedge])
if (r_index＊wedge - angle) < wedge/2＊ (1+OVERLAP/2):
anchors.append([r_index%BIN, angle - r_index＊wedge])
return anchors