ECCV2020 GigaVision挑战赛，深兰科技包揽十亿级像素双赛道冠军

2020-09-03 15:08

深兰科技

关注

DeepBlueAI团队荣获两项第一

任务一：

ECCV2020 GigaVision挑战赛，深兰科技包揽十亿级像素双赛道冠军

任务二：

ECCV2020 GigaVision挑战赛，深兰科技包揽十亿级像素双赛道冠军

赛题特点

图像分辨率极高、近景和远景目标尺度差异大十亿像素级的超高分辨率是整个数据集的核心问题。一方面，由于计算资源的限制，超高分辨率使得网络无法接受大图作为输入，而单纯将原图缩放到小图会使得目标丢失大量信息。另一方面，图像中近景和远景的目标尺度差异大，给检测器带来了巨大的挑战。目标在图像中分布密集，并且遮挡严重数据集均从广场、学校、商圈等真实场景采集，其人流和车辆密度极大。同时，行人和车辆的拥挤、遮挡等情况频发，容易造成目标的漏检和误检。

主要工作

赛道一 Pedestrian ＆ Vehicle Detection

根据以往积累的经验，团队首先将原图缩放到合适尺度，并使用基于Cascade RCNN的检测器直接检测行人的三个类别和车辆，将其作为Baseline： Backbone ＋ DCN ＋ FPN ＋ Cascade RCNN，并在此基础上进行改进。

ECCV2020 GigaVision挑战赛，深兰科技包揽十亿级像素双赛道冠军

实验结果显示，模型存在大量的误检和漏检。这些漏检和无意义的检测结果大幅降低了模型的性能。团队将上述问题归纳为两方面的原因：

训练和测试时输入模型的图像尺度不合适。图像经过缩放后，目标的尺度也随之变小，导致远景中人的头部等区域被大量遗漏。

网络本身的分类能力较弱。行人的可见区域和全身区域十分相似，容易对分类器造成混淆，从而产生误检。

根据上述问题，团队进行了一些改进。首先，使用滑动窗口的方式切图进行训练。滑动窗口切图是一种常用的大图像处理方式，这样可以有效的保留图像的高分辨率信息，使得网络获得的信息更加丰富。如果某个目标处于切图边界，根据其IOF大于0．5来决定是否保留。其次，对于每个类别采用一个单独的检测器进行检测。经过实验对比，对每个类别采用单独的检测器可以有效的提高网络的效果，尤其是对于可见区域和全身区域两类。同时向检测器添加了Global Context （GC） block来进一步提高特征提取能力。GC－Block结合了Non－local的上下文建模能力，并继承了SE－Net节省计算量的优点，可以有效的对目标的上下文进行建模。

ECCV2020 GigaVision挑战赛，深兰科技包揽十亿级像素双赛道冠军