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)。

3． 數(shù)據(jù)增強(qiáng)

該團(tuán)隊(duì)發(fā)現(xiàn) Pixel－level 的增強(qiáng)方式導(dǎo)致了性能結(jié)果大幅下降，因此沒有在這個(gè)方向繼續(xù)嘗試。

而圖像增強(qiáng)方式 Retinex，從視覺上看帶來了圖像增強(qiáng)，但是該方法可能破壞了原有圖片的結(jié)構(gòu)信息，導(dǎo)致最終結(jié)果沒有提升。

于是，該團(tuán)隊(duì)最終選擇了 Spatial－level 的增強(qiáng)方式，使得結(jié)果有一定的提升。

實(shí)驗(yàn)細(xì)節(jié)

1． 將 Cascade rcnn ＋ DCN ＋ FPN 作為 baseline；

2． 將原有 head 改為 Double head；

3． 將 CBNet 作為 backbone；

4． 使用 cascade rcnn COCO－Pretrained weight；

5． 數(shù)據(jù)增強(qiáng)；

6． 多尺度訓(xùn)練 ＋ Testing tricks。

實(shí)驗(yàn)結(jié)果

下圖展示了該團(tuán)隊(duì)使用的方法在本地驗(yàn)證集上的結(jié)果：

該團(tuán)隊(duì)將今年的成績(jī)與去年 ICCV 2019 同賽道冠軍算法進(jìn)行對(duì)比，發(fā)現(xiàn)在不使用額外數(shù)據(jù)集的情況下，去年單模型在 9 個(gè)尺度的融合下達(dá)到 11．06，而該團(tuán)隊(duì)的算法在只用 2 個(gè)尺度的情況下就可以達(dá)到 10．49。

未來工作

該團(tuán)隊(duì)雖然獲得了不錯(cuò)的成績(jī)，但也基于已有的經(jīng)驗(yàn)提出了一些未來工作方向：

1． 由于數(shù)據(jù)的特殊性，該團(tuán)隊(duì)嘗試使用一些增強(qiáng)方式來提高圖片質(zhì)量、亮度等屬性，使圖片中的行人更易于檢測(cè)。但結(jié)果證明這些增強(qiáng)方式可能破壞原有圖片結(jié)構(gòu)，效果反而降低。該團(tuán)隊(duì)相信會(huì)有更好的夜間圖像處理辦法，只是還需要更多研究和探索。

2． 在允許使用之前幀信息的賽道二中，該團(tuán)隊(duì)僅使用了一些簡(jiǎn)單的 IoU 信息。由于收集這個(gè)數(shù)據(jù)集的攝像頭一直在移動(dòng)，該團(tuán)隊(duì)之前在類似的數(shù)據(jù)集上使用過一些 SOTA 的方法，卻沒有取得好的效果。他們認(rèn)為之后可以在如何利用時(shí)序幀信息方面進(jìn)行深入的探索。

3． 該領(lǐng)域存在大量白天行人檢測(cè)的數(shù)據(jù)集，因此該團(tuán)隊(duì)認(rèn)為之后可以嘗試 Domain Adaption 方向的方法，以充分利用行人數(shù)據(jù)集。

參考文獻(xiàn)：

［1］ Lin T Y ， Dollár， Piotr， Girshick R ， et al． Feature Pyramid Networks for Object Detection［J］． 2016．

［2］ Dai J， Qi H， Xiong Y， et al． Deformable Convolutional Networks［J］． 2017．

［3］ Cai Z ， Vasconcelos N ． Cascade R－CNN： Delving into High Quality Object Detection［J］． 2017．

［4］ Xie S ， Girshick R ， Dollar P ， et al． Aggregated Residual Transformations for Deep Neural Networks［C］／／ 2017 IEEE Conference on Computer Vision and Pattern Recognition （CVPR）． IEEE Computer Society， 2017．

［5］ Bochinski E ， Eiselein V ， Sikora T ． High－Speed tracking－by－detection without using image information［C］／／ 2017 14th IEEE International Conference on Advanced Video and Signal Based Surveillance （AVSS）． IEEE， 2017．

［6］ Henriques J F ， Caseiro R ， Martins P ， et al． High－Speed Tracking with Kernelized Correlation Filters［J］． IEEE Transactions on Pattern Analysis and Machine Intelligence， 2015， 37（3）：583－596．

［7］ Song G ， Liu Y ， Wang X ． Revisiting the Sibling Head in Object Detector［J］． 2020．

［8］ Li A ， Yang X ， Zhang C ． Rethinking Classification and Localization for Cascade R－CNN［J］． 2019．

［9］ Wu， Y．， Chen， Y．， Yuan， L．， Liu， Z．， Wang， L．， Li， H．， ＆ Fu， Y． （2019）． Rethinking Classification and Localization in R－CNN． ArXiv， abs／1904．06493．

［10］ Liu， Y．， Wang， Y．， Wang， S．， Liang， T．， Zhao， Q．， Tang， Z．， ＆ Ling， H． （2020）． CBNet： A Novel Composite Backbone Network Architecture for Object Detection． ArXiv， abs／1909．03625．