[论文解读] 2nd Place Solution for Waymo Open Dataset Challenge -- 2D Object Detection

Sijia Chen, Yu Wang+5 more|arXiv (Cornell University)|Jun 28, 2020

Advanced Neural Network Applications参考文献 13被引用 6

一句话总结

本论文展示了在2022年Waymo Open Dataset 2D目标检测挑战赛中获得第二名的解决方案，结合了具有无锚设计的Cascade R-CNN两阶段检测器与CenterNet一阶段检测器。该系统采用贪心自动集成与特定模型的融合策略（Adj-NMS、WBF）来合并检测结果，在测试集上实现了70.28 L2 mAP的性能。

ABSTRACT

A practical autonomous driving system urges the need to reliably and accurately detect vehicles and persons. In this report, we introduce a state-of-the-art 2D object detection system for autonomous driving scenarios. Specifically, we integrate both popular two-stage detector and one-stage detector with anchor free fashion to yield a robust detection. Furthermore, we train multiple expert models and design a greedy version of the auto ensemble scheme that automatically merges detections from different models. Notably, our overall detection system achieves 70.28 L2 mAP on the Waymo Open Dataset v1.2, ranking the 2nd place in the 2D detection track of the Waymo Open Dataset Challenges.

研究动机与目标

• 开发一种针对自动驾驶任务的鲁棒且精确的2D目标检测系统，基于Waymo Open Dataset。
• 通过结合两阶段（Cascade R-CNN）与一阶段（CenterNet）检测器的互补优势，提升检测性能。
• 通过高效的集成策略自动合并多个模型的检测结果，最大化验证集上的mAP，无需人工调参。
• 通过专家模型专业化设计，应对复杂场景下的检测挑战，如人群密集区域与低光照条件。
• 在Waymo Open Dataset 2D检测赛道中实现最先进性能，总排名第二。

提出的方法

• 对Cascade R-CNN检测器进行训练，采用标签平滑、多尺度训练以及类别感知软NMS，以提升定位精度与泛化能力。
• 在特定子集（如白天、夜间、行人/自行车手专用）上微调多个专家模型，以增强在复杂条件下的检测表现。
• 采用基于CenterNet的一阶段检测器，结合高斯核编码，以更好地处理小目标与密集目标。
• 实现贪心自动集成（GAE）框架，基于验证集mAP动态合并检测组，采用二叉树结构与多种NMS变体作为合并操作。
• 使用加权框融合（WBF）整合8个CenterNet模型的检测结果，使用Adj-NMS实现车辆与行人类别检测结果的融合。
• 在推理阶段应用多尺度测试与水平翻转，以提升对图像变化的鲁棒性。

实验结果

研究问题

• RQ1 如何有效结合互补的检测框架（两阶段与一阶段）以提升在Waymo Open Dataset上的2D目标检测性能？
• RQ2 在无需人工调参的前提下，自动融合多个模型检测结果以最大化mAP的最优策略是什么？
• RQ3 在特定领域数据（如夜间、行人密集场景）上训练专家模型，是否能显著提升特定目标类别的检测精度？
• RQ4 与标准集成方法相比，基于验证集驱动的贪心、自动集成策略在性能与搜索效率方面表现如何？
• RQ5 各组件（如软NMS、多尺度测试、专家模型）对最终检测mAP的贡献分别是什么？

主要发现

• 基础Cascade R-CNN模型在mini-val集上达到59.71 AP/L2，展现出强大的基础性能。
• 应用类别感知软NMS与多尺度测试后，Cascade R-CNN基线性能提升至61.04 AP/L2，表明推理时后处理的有效性。
• 采用专家模型的贪心自动集成（GAE）进一步将性能提升至63.28 AP/L2，证实了动态模型融合的有效性。
• 融合Cascade R-CNN与CenterNet检测结果相比单独使用CenterNet，mAP提升了1.44个百分点，验证了两种框架的互补性。
• 最终系统在测试集上实现70.28 AP/L2，夺得Waymo Open Dataset 2D检测挑战赛第二名。
• 排行榜结果显示，所提方法显著优于其他顶尖方案，包括RW-TSDet（74.43 AP/L2）与SPNAS-Noah（69.43 AP/L2）。