一起来学习丨听海华大赛第一名团队聊比赛经验和心得

随着我国经济的发展，城市化进程不断加速，生活垃圾对城市环境的威胁日益增加。如何高效、环保地解决处理生活垃圾迫在眉睫。因此垃圾的智能分类对于智能化分拣垃圾、提高垃圾分拣效率就显得十分重要。为了探究这一问题，由中关村海华信息研究院、清华大学交叉信息研究院以及Biendata举办的2020海华AI垃圾分类大赛吸引了大量工程师以及高校学生的参与。由华为NAIE平台提供的算力支持，也为比赛的顺利开展奠定了基础。该比赛旨在激发更广泛的科研探索热情，挖掘更有价值的算法优化和创新。

01数据分析

我们参与的是该比赛的专业赛道，因此有两种数据集可以使用。一种为单类数据集，共80,000张垃圾图像，每张图像中只有一个类别。此外，还提供了图中唯一对象的边框的信息。多类别数据集包含训练集中的2998张垃圾图像，验证集中的1000张垃圾图像，测试集中的1000张垃圾图像，每幅图像最多包含20个类别。

不同于VOC、COCO、OID等常见的目标数据集，这些数据集具有不同的特点:

1. 对于205个类别，单类垃圾数据集的大小就足够了。然而，这个数据集中的垃圾图像与多类数据集中的垃圾图像有很大的不同，即使是同一类别的垃圾。直接使用该数据集来训练模型可能会导致特征不匹配和性能下降（图1）。

图1：左图为多类数据集中的镜子，右图为单类数据集中的镜子

2. 多类数据集在训练集中只包含2998张垃圾图像。而在125个类别的情况下，该数据量是比较小的，且类别存在不平衡的现象。因此大规模数据集的迁移学习和减少过拟合的技术是非常需要的。

3. 在大多数多类图像中，垃圾密集地堆积在图像的中心，并且形状大小不一。它会导致垃圾相互遮挡，使检测任务更加困难。并且每张图像的背景都比较干净（图2）。

图2：多类数据集图像示例

4. 数据集中存在许多混淆类别的垃圾，导致类别标签的不一致性。人工检查和更正标签可能有帮助，但也可能存在导致数据不匹配的风险（图3）。

图3：左右图为同一类物体，但在多类数据集中

左图被标定为食品塑料盒，而右图被标定为食品外包装盒

02Baseline

为了完成该比赛的任务，我们借鉴了其他大型的目标检测竞赛中的解决方案，如COCO、Objects365和OID。在这些解决方案中，我们借鉴了百度在OID 2019中的解决方案。Baseline模型选用的是基于Class-aware的Cascade R-CNN，且同时使用ResNet200-Vd作为模型的backbone并且加入了FPN、Dcnv2和Non-local方法来提高模型的整体效果。训练使用多尺度训练(480:1440:32)和常见的数据增强方法如水平翻转。

迁移学习可以在小数据集上获得良好的性能，因此在该比赛中使用该方法理论上应当可以取得较好的效果。因此，我们选择了COCO、Objects365和OID混合的预训练模型。具体效果如表1所示。

模型	预训练参数	排行榜   AP
Baseline + RandomVFlip + AutoAugment	COCO	0.898
	Mixture	0.906

表1：使用不同预训练参数的Baseline的AP

训练方面，由于庞大的模型以及多尺度训练方法，所以在Tesla V100 上batch size只能设置为1，这里感谢华为NAIE提供的算力支持。使用引用动量的SGD作为训练的优化器。基础学习率设置为0.001，权重衰减速率为0.0001。使用了Cosine annealing with warmup的学习率调度策略，从0.0001的学习率开始，1000次迭代后到达基础学习率。我们训练Baseline进行了120K次迭代，训练时间大约40个小时。

03数据增强方案

为了减少在如此小的数据集上的过拟合，就需要大量的数据扩充。我们尝试了许多数据增强方案，最终发现RandomVerticalFlip、AutoAugment和GridMask能有效提高模型性能。

不同于自然图像，对于垃圾图像，水平翻转和垂直翻转的效果是等同的，因此我们使用了RandomVerticalFlip而并非RandomHorizontalFlip。

并且我们将广泛使用于图像分类中的AutoAugment方法迁移到了目标检测中。实验证明，该方法对各种目标检测数据集都是有效的。并且我们在baseline中尝试了三种不同的自动增强策略(表2)，发现AutoAugment v0的效果是最好的，最终我们也使用了它。

模型	策略	排行榜AP
Baseline +RandomVFlip	v0	0.906
	v1	0.902
	v2	0.904

表2：不同AutoAugment策略下模型的AP

再者我们使用了GridMask的数据增强方法，该方法包括random erasing、hide-and-seek、Dropout以及DropBlock。实验表明，GridMask可以有效减少目标检测的过拟合。并且使用GridMask长时间训练模型可以显著提高模型性能。在本实验中，我们尝试了不同概率和训练时间下的GridMask。如表3所示，使用GridMask的训练模型需要比baseline更长的训练时间。使用0.3的概率足以减少过拟合，且训练时间越长越好。概率为0.5和0.7甚至会导欠拟合的现象。所以如果以较高的GridMask概率训练超过300K次迭代理论上来说可以进一步提高结果。

 

模型	概率	迭代次数	排行榜AP
Baseline +RandomVFlip +AutoAugment	0.3	160K	0.907
	0.5	160K	0.906
	0.7	160K	0.903
	0.3	200K	0.909
	0.5	200K	0.906
	0.3	240K	0.911
	0.5	300K	0.909

表3：不同GridMask概率与迭代次数下模型的AP

04模型融合

在最终提交阶段，我们只能在RTX 2080上测试两个小时，但是模型大小不受限制。所以考虑到这些约束条件，我们训练了仅随机种子不同的6个相同的模型来进行模型融合，且使用了前面提到的所有有效技巧。同时使用了Top-k voting nms对6个模型的检测结果进行合并，设置top-k voting的nms的IoU阈值为0.7，该阈值与Cascade R-CNN第三阶段的IoU阈值一致。

05总结

最终我们在测试集上以0.910的成绩取得了第一名，我们认为我们能够取胜的原因主要有以下几点：

（1）参考了大型目标检测比赛前几名的方案

（2）使用了COCO，Object365以及OIDV5的混合预训练模型

（3）使用了多种数据增强方法

（4）在模型融合中使用了top-k voting nms

最后感谢华为提供的NAIE平台，为比赛训练提供了巨大的帮助，平台功能也十分强大。在我们使用平台遇到问题时，官方都及时地进行了解答和协助，十分的给力。我们也非常荣幸能有这次机会和大家分享这次比赛的历程，谢谢！

点击这里→了解更多精彩内容