近日，由 CVPR 2020 Workshop 舉辦的 NightOwls Detection Challenge 公布了最終結(jié)果。來(lái)自深蘭科技的 DeepBlueAI 團(tuán)隊(duì)斬獲了“單幀行人檢測(cè)”和“多幀行人檢測(cè)”兩個(gè)賽道的冠軍，以及“檢測(cè)單幀中所有物體”賽道的亞軍。

競(jìng)賽的主要目的是進(jìn)行夜間行人或物體檢測(cè)，是許多系統(tǒng)，尤其是自動(dòng)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(dòng)駕駛核心產(chǎn)品，自2019年獲得了廣州、長(zhǎng)沙、上海、武漢的自動(dòng)駕駛測(cè)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(cè)試牌照。此次冠亞軍方案，將與白天行人檢測(cè)結(jié)合，打造適用于不同天氣條件的全天候行人檢測(cè)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(hù)航。

深蘭科技堅(jiān)持以“人工智能，服務(wù)民生”為理念，響應(yīng)國(guó)家政策號(hào)召，深刻洞察民眾痛點(diǎn)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(huì)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(yàn)。

以下將為大家介紹 DeepBlueAI 團(tuán)隊(duì)的解決方案。

NightOwls 檢測(cè)挑戰(zhàn)賽簡(jiǎn)介

檢測(cè) RGB 攝像機(jī)拍攝的夜間場(chǎng)景圖片中的行人，是一個(gè)非常重要但是未被充分重視的問(wèn)題，當(dāng)前最新的視覺(jué)檢測(cè)算法并不能很好地預(yù)測(cè)出結(jié)果。官方 baseline 在 Caltech（著名行人檢測(cè)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(cè)是許多系統(tǒng)（如安全可靠的自動(dòng)駕駛汽車）的關(guān)鍵組成部分，但使用計(jì)算機(jī)視覺(jué)方法解決夜間場(chǎng)景的檢測(cè)問(wèn)題并未受到太多關(guān)注，因此 CVPR 2020 Scalability in Autonomous Driving Workshop 開(kāi)展了相應(yīng)的比賽。

NightOwls Detetection Challenge 2020 共有三個(gè)賽題：?jiǎn)螏�行人檢測(cè)（該賽題與 2019 年相同）、多幀行人檢測(cè)，以及檢測(cè)單幀中所有物體（包括行人、自行車、摩托車三個(gè)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(cè)行人（對(duì)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(cè)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(cè)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(lái)預(yù)測(cè)當(dāng)前幀的行人。

這兩個(gè)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(lái)源于歐洲多個(gè)城市黎明和夜間的 40 個(gè)視頻，并涵蓋了不同的天氣條件。

模型效果評(píng)估使用的是行人檢測(cè)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(cè)出幀里所有在訓(xùn)練集中出現(xiàn)過(guò)的類別，包括自行車、摩托車，并且不允許使用視頻序列信息。