Tianchi-PANDA-rank13

PANDA大场景多对象检测跟踪（初赛检测）开源代码，初赛排名13

本文禁止转载！

作者的其他主页：

B站：https://space.bilibili.com/470550823

CSDN：https://blog.csdn.net/weixin_44936889

AI Studio：https://aistudio.baidu.com/aistudio/personalcenter/thirdview/67156

Github：https://github.com/Sharpiless

比赛地址：

比赛地址：https://tianchi.aliyun.com/competition/entrance/531855/rankingList

排名截图：

周周星就是：在每个赛道的初赛阶段，设立周周星奖励：从初赛第三周开始，以每周一中午12点的排行榜为准，取前两名参赛队伍发放周周星纪念礼物；对于前面已经获得周周星的队伍，不重复发放，名额按名次顺延。

白嫖了一个耳机和一个手环：

使用算法：

这里我使用 Yolov5

数据预处理：

图像分割：

由于原图很大，我们首先对数据集进行分割，按照两个比例：1/4和1/16切割原图，并过滤掉较小的目标（实际过滤掉长或者宽<5像素的目标）。

注意到 full body 切割后应修正为 visible body 对提高分数有很大的帮助。

有重叠的滑窗：

由于直接切割会导致很多目标被分离，因此我们使用overlap为0.2的滑窗采样：

多模型预测：

由于visible body跟full body在大多数情况下是重合的，他们的IOU也很大，导致一个模型检测效果较差，因此我们训练了两个模型，一个用于检测vehicle+visible body，一个用于检测full body+head：

数据增强：

数据增强我们主要使用了 imgaug 这个库：

预训练模型：

我们使用了在COCO目标检测训练的权重作为预训练模型。

后续思路：

1. 可以尝试知识蒸馏的方法，并可以通过模型量化剪枝等操作加快推理速度，融合更多模型。
1. 可以将滑窗预测改成批处理，加快推理速度。

联系作者：

微信号：Sharpiless

sharpiless / tianchi-panda-rank13 Goto Github PK