近日，由 CVPR 2020 Workshop 舉辦的 NightOwls Detection Challenge 公布了最終結(jié)果。來自深蘭科技的 DeepBlueAI 團隊斬獲了“單幀行人檢測”和“多幀行人檢測”兩個賽道的冠軍，以及“檢測單幀中所有物體”賽道的亞軍。

競賽的主要目的是進(jìn)行夜間行人或物體檢測，是許多系統(tǒng)，尤其是自動駕駛汽車安全可靠的關(guān)鍵之一。眾所周知，熊貓智能公交車是深蘭科技自動駕駛核心產(chǎn)品，自2019年獲得了廣州、長沙、上海、武漢的自動駕駛測試牌照后，今年5月又成功摘得深圳智能網(wǎng)聯(lián)汽車道路測試牌照。此次冠亞軍方案，將與白天行人檢測結(jié)合，打造適用于不同天氣條件的全天候行人檢測系統(tǒng)，并有望在熊貓智能公交上進(jìn)行應(yīng)用，為其安全行駛保駕護航。

深蘭科技堅持以“人工智能，服務(wù)民生”為理念，響應(yīng)國家政策號召，深刻洞察民眾痛點和需求，致力于把高質(zhì)量的人工智能產(chǎn)品和解決方案帶給更多的社會大眾，以匠心研發(fā)的熊貓智能公交車將作為智能城市公共交通領(lǐng)域的“新基建”，用于提升公眾出行新體驗。

以下將為大家介紹 DeepBlueAI 團隊的解決方案。

NightOwls 檢測挑戰(zhàn)賽簡介

檢測 RGB 攝像機拍攝的夜間場景圖片中的行人，是一個非常重要但是未被充分重視的問題，當(dāng)前最新的視覺檢測算法并不能很好地預(yù)測出結(jié)果。官方 baseline 在 Caltech（著名行人檢測數(shù)據(jù)集）上的 Miss Rate（越小越好）可以達(dá)到 7．36％，但在夜間行人數(shù)據(jù)集上卻只能達(dá)到 63．99％。

夜間行人檢測是許多系統(tǒng)（如安全可靠的自動駕駛汽車）的關(guān)鍵組成部分，但使用計算機視覺方法解決夜間場景的檢測問題并未受到太多關(guān)注，因此 CVPR 2020 Scalability in Autonomous Driving Workshop 開展了相應(yīng)的比賽。

NightOwls Detetection Challenge 2020 共有三個賽題：單幀行人檢測（該賽題與 2019 年相同）、多幀行人檢測，以及檢測單幀中所有物體（包括行人、自行車、摩托車三個類別）：

Pedestrian Detection from a Single frame （same as 2019 competition）Pedestrian Detection from a Multiple framesAll Objects Detection （pedestrian， cyclist， motorbike） from a Single frame

賽題介紹

夜間行人數(shù)據(jù)集示例

Track 1： Pedestrian detection from a single frame

該任務(wù)只要求檢測行人（對應(yīng) Ground truth 中 category＿id ＝ 1 的行人類別），且所用算法只能將當(dāng)前幀用作檢測的輸入，該題目與 ICCV 2019 NightOwls 挑戰(zhàn)賽相同。

Track 2： Pedestrian detection from multiple frames

該任務(wù)的要求與任務(wù) 1 相同，都是只檢測行人，但是該任務(wù)允許使用當(dāng)前幀以及所有先前幀 （N， N－1， N－2， …） 來預(yù)測當(dāng)前幀的行人。

這兩個任務(wù)的數(shù)據(jù)集由 279000 張全注釋的圖片組成，這些圖片來源于歐洲多個城市黎明和夜間的 40 個視頻，并涵蓋了不同的天氣條件。

模型效果評估使用的是行人檢測中常用的指標(biāo)Average Miss Rate metric，但是僅考慮高度 ＞ ＝ 50px 的非遮擋目標(biāo)。

Track 3： All Objects Detection （pedestrian， cyclist， motorbike） from a Single frame

該任務(wù)要求檢測出幀里所有在訓(xùn)練集中出現(xiàn)過的類別，包括自行車、摩托車，并且不允許使用視頻序列信息。

賽題難點