近日，由 CVPR 2020 Workshop 举办的 NightOwls Detection Challenge 公布了最终结果。来自深兰科技的 DeepBlueAI 团队斩获了“单帧行人检测”和“多帧行人检测”两个赛道的冠军，以及“检测单帧中所有物体”赛道的亚军。
竞赛的主要目的是进行夜间行人或物体检测，是许多系统，尤其是自动驾驶汽车安全可靠的关键之一。众所周知，熊猫智能公交车是深兰科技自动驾驶核心产品，自2019年获得了广州、长沙、上海、武汉的自动驾驶测试牌照后，今年5月又成功摘得深圳智能网联汽车道路测试牌照。此次冠亚军方案，将与白天行人检测结合，打造适用于不同天气条件的全天候行人检测系统，并有望在熊猫智能公交上进行应用，为其安全行驶保驾护航。
深兰科技坚持以“人工智能，服务民生”为理念，响应国家政策号召，深刻洞察民众痛点和需求，致力于把高质量的人工智能产品和解决方案带给更多的社会大众，以匠心研发的熊猫智能公交车将作为智能城市公共交通领域的“新基建”，用于提升公众出行新体验。
以下将为大家介绍 DeepBlueAI 团队的解决方案。
NightOwls 检测挑战赛简介
检测 RGB 摄像机拍摄的夜间场景图片中的行人，是一个非常重要但是未被充分重视的问题，当前最新的视觉检测算法并不能很好地预测出结果。官方 baseline 在 Caltech（著名行人检测数据集）上的 Miss Rate（越小越好）可以达到 7．36％，但在夜间行人数据集上却只能达到 63．99％。
夜间行人检测是许多系统（如安全可靠的自动驾驶汽车）的关键组成部分，但使用计算机视觉方法解决夜间场景的检测问题并未受到太多关注，因此 CVPR 2020 Scalability in Autonomous Driving Workshop 开展了相应的比赛。
NightOwls Detetection Challenge 2020 共有三个赛题：单帧行人检测（该赛题与 2019 年相同）、多帧行人检测，以及检测单帧中所有物体（包括行人、自行车、摩托车三个类别）：
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
赛题介绍
夜间行人数据集示例
Track 1： Pedestrian detection from a single frame
该任务只要求检测行人（对应 Ground truth 中 category＿id ＝ 1 的行人类别），且所用算法只能将当前帧用作检测的输入，该题目与 ICCV 2019 NightOwls 挑战赛相同。
Track 2： Pedestrian detection from multiple frames
该任务的要求与任务 1 相同，都是只检测行人，但是该任务允许使用当前帧以及所有先前帧 （N， N－1， N－2， …） 来预测当前帧的行人。
这两个任务的数据集由 279000 张全注释的图片组成，这些图片来源于欧洲多个城市黎明和夜间的 40 个视频，并涵盖了不同的天气条件。
模型效果评估使用的是行人检测中常用的指标Average Miss Rate metric，但是仅考虑高度 ＞ ＝ 50px 的非遮挡目标。
Track 3： All Objects Detection （pedestrian， cyclist， motorbike） from a Single Frame
该任务要求检测出帧里所有在训练集中出现过的类别，包括自行车、摩托车，并且不允许使用视频序列信息。
123下一页>（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
