Through the Magnifying Glass: Improving Real-Time Small Object Detection

Abstract

A deteção de objetos em tempo real é utilizada amplamente em vários contextosna automação de sistemas que requerem uma perceção detalhada dos objetos deinteresse presentes numa dada imagem. A precisão e performance destes dete-tores tem vindo a melhorar continuamente desde a implementação de modelosdeep learning para a deteção de objetos, contudo, a precisão da deteção de objetospequenos sempre obteve resultados significativamente abaixo da média, inde-pendentemente da arquitetura utilizada. Tendo isto em conta, pretendemos mel-horar a precisão da deteção de objetos pequenos em tempo real através da alter-ação do modelo moderno na deteção de objetos em tempo real YOLOR, incorpo-rando features de maior resolução extraídas pela rede neuronal convolucional domodelo no componente de deteção, e gerando âncoras para bounding boxes adap-tadas particularmente a objetos de pequenas dimensões. Contudo, estes métodosrevelaram-se inefetivos no melhoramento da precisão dos modelos baseline es-colhidos, adicionando informação de valor limitado quando comparada com oconjunto de features originalmente utilizadas, e resultando numa maior complex-idade arquitetural, prejudicial para a performance computacional dos modelosimplementados. Uma definição compreensiva do problema da deteção de objetos pequenos, onde são apresentados os vários possíveis fatores por detrás do mesmo e definidos os critérios de distinção dos objetos em questão, e uma revisão da literatura científica atual relativa a este problema e o tópico de deteção de objetos pequenos em geral também são disponibilizadas neste trabalho.

Real-time object detection is widely applied in a variety of contexts to automate systems which require a detailed perception of the objects of interest present in an image. The accuracy and speed of detectors has continued to steadily rise since the implementation of deep learning models for object detection, however, the detection accuracy obtainable for objects of smaller size has always significantly trailed behind average, independently of the used architecture. With this in mind, we sought to improve the accuracy of real-time small object detection by restructuring and tuning the modern real-time object detection model YOLOR, incorporating features of higher resolution extracted by the model's backbone network into the detection component, and generating bounding box anchors tuned specifically for objects of small size. However, these approaches proved to be ineffective in improving the detection accuracy of the baseline models, providing information of limited value when compared to the collection of features previously used, and adding unnecessary complexity to the YOLOR architecture, detrimental to its computational performance.Also provided in this work are a definition of the problem of small object detection, with a discussion of the potential factors behind it and a specific criterion by which to distinguish small objects from others, and a revision of the current literature on the problem in question and the topic of object detection in general, complete with a round-up of the state-of-the-art approaches at the time of writing.