DeepBlueAI團(tuán)隊(duì)榮獲兩項(xiàng)第一

任務(wù)一：

任務(wù)二：

賽題特點(diǎn)

圖像分辨率極高、近景和遠(yuǎn)景目標(biāo)尺度差異大 十億像素級的超高分辨率是整個(gè)數(shù)據(jù)集的核心問題。一方面，由于計(jì)算資源的限制，超高分辨率使得網(wǎng)絡(luò)無法接受大圖作為輸入，而單純將原圖縮放到小圖會使得目標(biāo)丟失大量信息。另一方面，圖像中近景和遠(yuǎn)景的目標(biāo)尺度差異大，給檢測器帶來了巨大的挑戰(zhàn)。目標(biāo)在圖像中分布密集，并且遮擋嚴(yán)重 數(shù)據(jù)集均從廣場、學(xué)校、商圈等真實(shí)場景采集，其人流和車輛密度極大。同時(shí)，行人和車輛的擁擠、遮擋等情況頻發(fā)，容易造成目標(biāo)的漏檢和誤檢。

主要工作

賽道一 Pedestrian ＆ Vehicle Detection

根據(jù)以往積累的經(jīng)驗(yàn)，團(tuán)隊(duì)首先將原圖縮放到合適尺度，并使用基于Cascade RCNN的檢測器直接檢測行人的三個(gè)類別和車輛，將其作為Baseline： Backbone ＋ DCN ＋ FPN ＋ Cascade RCNN，并在此基礎(chǔ)上進(jìn)行改進(jìn)。

實(shí)驗(yàn)結(jié)果顯示，模型存在大量的誤檢和漏檢。這些漏檢和無意義的檢測結(jié)果大幅降低了模型的性能。團(tuán)隊(duì)將上述問題歸納為兩方面的原因：

訓(xùn)練和測試時(shí)輸入模型的圖像尺度不合適。圖像經(jīng)過縮放后，目標(biāo)的尺度也隨之變小，導(dǎo)致遠(yuǎn)景中人的頭部等區(qū)域被大量遺漏。

網(wǎng)絡(luò)本身的分類能力較弱。行人的可見區(qū)域和全身區(qū)域十分相似，容易對分類器造成混淆，從而產(chǎn)生誤檢。

根據(jù)上述問題，團(tuán)隊(duì)進(jìn)行了一些改進(jìn)。首先，使用滑動窗口的方式切圖進(jìn)行訓(xùn)練�；瑒哟翱谇袌D是一種常用的大圖像處理方式，  這樣可以有效的保留圖像的高分辨率信息，使得網(wǎng)絡(luò)獲得的信息更加豐富。如果某個(gè)目標(biāo)處于切圖邊界，根據(jù)其IOF大于0．5來決定是否保留。其次，對于每個(gè)類別采用一個(gè)單獨(dú)的檢測器進(jìn)行檢測。經(jīng)過實(shí)驗(yàn)對比，對每個(gè)類別采用單獨(dú)的檢測器可以有效的提高網(wǎng)絡(luò)的效果，尤其是對于可見區(qū)域和全身區(qū)域兩類。 同時(shí)向檢測器添加了Global Context （GC） block來進(jìn)一步提高特征提取能力。GC－Block結(jié)合了Non－local的上下文建模能力，并繼承了SE－Net節(jié)省計(jì)算量的優(yōu)點(diǎn)，可以有效的對目標(biāo)的上下文進(jìn)行建模。

除Cascade RCNN外，還采用了Generalize Focal Loss （GFL）檢測器進(jìn)行結(jié)果互補(bǔ)。GFL提出了一種泛化的Focal Loss損失，解決了分類得分和質(zhì)量預(yù)測得分在訓(xùn)練和測試時(shí)的不一致問題。

最后，將各檢測器的結(jié)果使用Weighted Box Fusion （WBF）進(jìn)行融合，形成了最終的解決方案。傳統(tǒng)的NMS和Soft－NMS方法會移除預(yù)測結(jié)果中的一部分預(yù)測框，而WBF使用全部的預(yù)測框，通過進(jìn)行組合來獲得更加準(zhǔn)確的預(yù)測框，從而實(shí)現(xiàn)精度提升。整體pipeline如下圖所示：

實(shí)驗(yàn)結(jié)果：