DeepBlueAI團隊榮獲兩項第一

任務一：

任務二：

賽題特點

圖像分辨率極高、近景和遠景目標尺度差異大 十億像素級的超高分辨率是整個數據集的核心問題。一方面，由于計算資源的限制，超高分辨率使得網絡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丟失大量信息。另一方面，圖像中近景和遠景的目標尺度差異大，給檢測器帶來了巨大的挑戰(zhàn)。目標在圖像中分布密集，并且遮擋嚴重 數據集均從廣場、學校、商圈等真實場景采集，其人流和車輛密度極大。同時，行人和車輛的擁擠、遮擋等情況頻發(fā)，容易造成目標的漏檢和誤檢。

主要工作

賽道一 Pedestrian ＆ Vehicle Detection

根據以往積累的經驗，團隊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類別和車輛，將其作為Baseline： Backbone ＋ DCN ＋ FPN ＋ Cascade RCNN，并在此基礎上進行改進。

實驗結果顯示，模型存在大量的誤檢和漏檢。這些漏檢和無意義的檢測結果大幅降低了模型的性能。團隊將上述問題歸納為兩方面的原因：

訓練和測試時輸入模型的圖像尺度不合適。圖像經過縮放后，目標的尺度也隨之變小，導致遠景中人的頭部等區(qū)域被大量遺漏。

網絡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，從而產生誤檢。

根據上述問題，團隊進行了一些改進。首先，使用滑動窗口的方式切圖進行訓練。滑動窗口切圖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，使得網絡獲得的信息更加豐富。如果某個目標處于切圖邊界，根據其IOF大于0．5來決定是否保留。其次，對于每個類別采用一個單獨的檢測器進行檢測。經過實驗對比，對每個類別采用單獨的檢測器可以有效的提高網絡的效果，尤其是對于可見區(qū)域和全身區(qū)域兩類。 同時向檢測器添加了Global Context （GC） block來進一步提高特征提取能力。GC－Block結合了Non－local的上下文建模能力，并繼承了SE－Net節(jié)省計算量的優(yōu)點，可以有效的對目標的上下文進行建模。

除Cascade RCNN外，還采用了Generalize Focal Loss （GFL）檢測器進行結果互補。GFL提出了一種泛化的Focal Loss損失，解決了分類得分和質量預測得分在訓練和測試時的不一致問題。

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

實驗結果：