這次比賽的主要難點(diǎn)包含以下幾個(gè)方面：

運(yùn)動(dòng)模糊和圖像噪點(diǎn)

與常規(guī)檢測(cè)數(shù)據(jù)集不同，該競賽考慮到實(shí)際駕駛情況，所用數(shù)據(jù)是在車輛行進(jìn)過程中采集的，所以當(dāng)車速較快或者有相對(duì)運(yùn)動(dòng)的時(shí)候會(huì)產(chǎn)生持續(xù)的運(yùn)動(dòng)模糊圖像。并且由于攝像頭是普通的RGB相機(jī)，因此在光線較弱的環(huán)境下收集的圖片質(zhì)量大幅度下降，這也是影響模型效果的主要原因。

對(duì)比度差異大，色彩信息少

這是由于收集數(shù)據(jù)主要來自于夜間環(huán)境所導(dǎo)致的必然結(jié)果，所以在進(jìn)行數(shù)據(jù)增強(qiáng)的時(shí)候需要謹(jǐn)慎，不同增強(qiáng)方式會(huì)造成較大的影響。

不同的數(shù)據(jù)分布

該比賽的數(shù)據(jù)集涵蓋了不同的城市和天氣，之前常用的行人檢測(cè)數(shù)據(jù)集一般未同時(shí)滿足這兩個(gè)條件。該數(shù)據(jù)具有多樣性，且與常用數(shù)據(jù)集的數(shù)據(jù)分布存在較大差異。該比賽數(shù)據(jù)集與常用于訓(xùn)練預(yù)訓(xùn)練模型的數(shù)據(jù)集（如 COCO 數(shù)據(jù)集、OBJ365）的數(shù)據(jù)分布存在很大的不同，因此對(duì)基于常用數(shù)據(jù)集預(yù)訓(xùn)練的模型進(jìn)行 fine－tune 的效果不如預(yù)期。

DeepBlueAI 團(tuán)隊(duì)解決方案

DeepBlueAI 團(tuán)隊(duì)在單幀行人檢測(cè)和多幀行人檢測(cè)兩個(gè)賽道中取得了冠軍成績，在檢測(cè)單幀中所有物體賽道中獲得了亞軍。

就檢測(cè)器而言，該團(tuán)隊(duì)首先通過常規(guī)檢測(cè)所累積的經(jīng)驗(yàn)構(gòu)造出一個(gè) baseline：

Baseline ＝ Backbone ＋ DCN  ＋ FPN ＋ Cascade ＋ anchor ratio （2．44）

這些模塊早已是各個(gè)比賽的「常客」，也被許多專業(yè)人士進(jìn)行了比較透徹的分析，此處不再贅述。DeepBlueAI 團(tuán)隊(duì)進(jìn)行了簡單的實(shí)驗(yàn)，發(fā)現(xiàn)這些模塊總是有用，進(jìn)而將這套算法作為 baseline，加上一些行人檢測(cè)的小 trick，如將 anchor ratio 改為 2．44、針對(duì)標(biāo)注為 ignore 的目標(biāo)在訓(xùn)練過程中 loss 不進(jìn)行回傳處理。

具體主要工作包含以下幾個(gè)方面：

1． Double Heads

通過觀察實(shí)驗(yàn)發(fā)現(xiàn)，baseline 將背景中的石柱、燈柱等物體檢測(cè)為行人，這種情況大多和 head 效果不好有關(guān)。該團(tuán)隊(duì)基于此進(jìn)行了實(shí)驗(yàn)，如 TSD ［7］、CLS ［8］、double head ［9］，并最終選擇了效果好且性價(jià)比高的 double head 結(jié)構(gòu)（如下圖所示）：

Double Heads 結(jié)構(gòu)

通過對(duì)比實(shí)驗(yàn)可以發(fā)現(xiàn)：使用 FC－h(huán)ead 做分類、Conv－h(huán)ead 做回歸，可以得到最好的效果。

分類更多地需要語義信息，而坐標(biāo)框回歸則更多地需要空間信息，double head 方法采用分而治之的思想，針對(duì)不同的需求設(shè)計(jì) head 結(jié)構(gòu)，因此更加有效。當(dāng)然這種方法也會(huì)導(dǎo)致計(jì)算量的增加。在平衡速度和準(zhǔn)確率的情況下，該團(tuán)隊(duì)最終選擇了 3 個(gè)殘差 2 個(gè) Non－local 共 5 個(gè)模塊。

2． CBNet ［10］

合并功能更強(qiáng)大的 backbone 可提高目標(biāo)檢測(cè)器的性能。CBNet 作者提出了一種新穎的策略，通過相鄰 backbone 之間的復(fù)合連接 （Composite Connection） 來組合多個(gè)相同的 backbone。用這種方式他們構(gòu)建出了一個(gè)更強(qiáng)大的 backbone，稱為「復(fù)合骨干網(wǎng)絡(luò)」（Composite Backbone Network）。

當(dāng)然這也帶來了模型參數(shù)大小和訓(xùn)練時(shí)間的增加，屬于 speed–accuracy trade－off。該團(tuán)隊(duì)也嘗試過其他的改進(jìn)方式，但最終還是選擇了實(shí)用性更強(qiáng)的 CBNet，該方法不用再額外擔(dān)心預(yù)訓(xùn)練權(quán)重的問題。

該團(tuán)隊(duì)選擇了性價(jià)比較高的雙 backbone 模型結(jié)構(gòu)。