目标检测比赛思路、tricks集锦、资料汇总
点击上方“CVer”，选择加"星标"置顶
重磅干货，第一时间送达
本文作者：清风明月 | 来源：知乎（已授权）
https://zhuanlan.zhihu.com/p/345657476
作为一个没有计算资源，没有接触过目标检测的渣硕第一次参加2021广东工业大赛的比赛：
https://tianchi.aliyun.com/competition/entrance/531846/introduction?spm=5176.12281957.1004.6.56893eafcpsqpc
1、资源：租了一张2080ti（五百多租一周好贵啊，有资源的大佬可以一起组队参加其他比赛啊）；
2、成绩：初赛 90/4432（进复赛啦），成绩一般，受制于资源以及后期单打独斗参加比赛。
3、最终方案：Cascade R-CNN, Backbone: ResNet-50, 在线切图策略训练，测试时使用分水岭算法去了一下黑边（很简单，很多tricks都没尝试，最简单的模型融合也没做，时间和资源都不够用啊。。。）
4、悄悄告诉大家，在github中搜tianchi defect detection即可搜到很多开源的冠军方案（我可真是个机灵鬼skr），同理，搜kaggle + 领域也能搜到很多方案。
https://github.com/search?q=tianchi+defect+detection
5、声明：第一次写文章以及接触目标检测，若有错误还请善意指正哈，感谢。
接下来讲讲思路以及分享我花了大量时间收集的资料（后面有XMIND总结，分享给大家），一句话概括这个任务：超大尺寸图像的极小目标检测
一、数据分析
数据集图像的尺寸是8192*6000，而目标object则特别小（不知道大家能不能找到可视化出来的红色bbox，注意：这张图一共有三个bbox）
训练集里面的一张图像以及其三个bbox
看不到就放大它吧
放大好几倍，截图出来的结果（还是那么小啊）
并且每张图的object特别少（即稀疏）
做一个统计：
每张图的bbox的数量大部分集中在1-5个
看看bbox的面积大小吧：
面积都很小啊
EDA的代码参考（ps，第一次看到EDA这三个字母我也是懵逼的，查了一下就是探索性数据分析（Exploratory Data Analysis，简称EDA），可能这样看起来更牛）：
https://github.com/Kouin/TianCHI_guangdong/blob/main/eda.ipynb?spm=5176.12282029.0.0.26b21aaa83A2vL&file=eda.ipynb
二、比赛思路
对于这种超大尺寸图像的极小目标的检测，第一时间想到卫星图像中的目标检测，查了一下相关资料
图源《You Only Look Twice: Rapid Multi-Scale Object Detection InSatellite Imagery》，该论文以YOLT代称。
https://arxiv.org/pdf/1805.09512v1.pdf
https://blog.csdn.net/u014380165/article/details/81556805
参考这篇论文的思路：将原输入图像切块，分别输入模型进行检测，然后再融合结果。
具体切块策略（记切图的大小是1333*800）：
1、离线切图（先把训练集切图，然后再让网络训练）；2、在线切图（训练时使用RandomCrop等）
因为就一块2080ti，想要做到每天都可以有两次结果提交，就先考虑的是离线切图策略。
离线切图的三种策略：
1.1、做滑动窗口切图：bbox面积特别小，又很稀疏，因此注意排除没有bbox的切图（这会引入很多正常的样本，注意这里，是个坑，后面再讲）。注意需要考虑是否做有overlap的滑动窗口切图。
1.2、遍历每个bbox，然后以该bbox作为切图中心坐标，做中心切图；如果其他bbox的坐标满足在该切图范围内，则加入该bbox。例如红色切图是以bbox#1作为中心的，但是bbox#2在红色切图范围内，则该红色切图则会有两个bbox。
对于中心切图策略，切图个数应该等于bbox的个数（手残党画的切图框示意）
中心切图可能存在的问题：对于bbox很密集的情况，有大量的几乎相差不大的切图（这个对于这个比赛影响不大）。
1.3、遍历每个bbox然后随机进行坐标偏移：考虑到中心切图引入了先验信息，即每个切图的中心一定会有一个bbox，因此引入随机性。具体的：遍历每个bbox，生成该bbox在切图坐标系中的随机坐标，例如生成的随机坐标是(0,0)，该bbox则在切图的左上角，随机坐标是(1333,800)，则该bbox在切图的右下角。注意：细节上还需要考虑该bbox的长宽，引入长宽后随机坐标会有一个进一步的约束（即切图大小和bbox的长宽来共同限制随机坐标）。同样的，对于随机切图策略，切图个数应该等于bbox的个数。和中心切图一样会包含在切图范围内的所有bbox。
两个细节需要考虑：1、切图要不要避免把bbox一分为几。滑动窗口切图策略加入overlap即可；其他两种策略肯定会包括每个完整的bbox（只要bbox的大小不超过切图设定的大小，即1333*800）。2、一般的backbone的下采样率（stride）是32，也就是到最后的feature map的一个特征点对应原图的32*32的区域；而大多数bbox的area基本都在100左右，最小的bbox面积为9。YOLT的做法是将stride变为16。
对于随机偏移的离线切图，可以做多次即可得到多倍的数据。离线切图的代码比较简单，我就不开源了，有需要私信我即可。
在线切图（我用的是mmdetection，在线切图的GPU利用率低啊，所以训练起来就比较慢）：
2.1、使用RandomCrop
2.2、使用RandomCenterCropPad
这两个在线切图策略的不同请自己看mmdet的官方实现，提醒一个细节，RandomCrop有参数允许切图中不包括bbox，而RandomCenterCropPad不允许。我理解的是RandomCrop这种设置可以引入不包含bbox的负样本，避免最终结果的误检较多。
总结：离线切图相当于网络模型只能看到你给的这些数据了，在线切图每次都用random，数据更多样吧。在线切图的结果会比离线切图的结果好，就是训练慢了一点。
回复上面提及到的那个坑：离线切图均考虑的是切图中必须包含bbox才行，在线切图的RandomCenterCropPad得到的切图也是必须包括bbox。但是根据验证集上的可视化结果来看，误检比较多。因此加入没有bbox的切图进行训练是很有必要的。但是呢，细看官方实现RandomCenterCropPad和RandomCrop时（此时已经是比赛最后一天了），发现后者就只需要设置alllow_neg_positive = True即可，由于时间关系没有尝试该策略。
测试：因为计算资源受限，使用原图做inference显存不够啊（原图大概需要19G，而2080ti就11G），那没办法啊，把测试集也切图呗。比如切成3600*3600的，再把结果融合到原图的坐标系即可。
三、模型：
列出几个重要的
没有速度要求的话，通用就是Cascade R-CNN + Big backbone + FPN (Bbox长宽比例极端的话考虑加入DCN以及修改anchor的比例值，默认是0.5，1，2，比如可以修改为[0.2, 0.5, 1, 2, 5])，有速度要求就可以尝试YOLO系列（听说YOLO v5在kaggle的小麦检测上霸榜，可以看看他们的notebook），anchor的比例设置还是要多EDA分析得到一个合适的选择。
多尺度训练和测试，参考这个关于多尺度的解释
https://linzhenyuyuchen.github.io/2020/02/13/MMDetection-%E5%A4%9A%E5%B0%BA%E5%BA%A6%E8%AE%AD%E7%BB%83%E6%B5%8B%E8%AF%95/
https://posts.careerengine.us/p/5f94519f324fe34f723bcbed
fp16精度训练可以减少训练时间
伪标签策略（在kaggle小麦检测上可以提三个点），请参考如
https://www.kaggle.com/nvnnghia/yolov5-pseudo-labeling
https://www.kaggle.com/nvnnghia/fasterrcnn-pseudo-labeling
模型总结
四、Tricks:
列出几个重要的：
WBF，TTA是涨点神器
比赛中无脑降低score的阈值会提升mAP，会有较多误检
两个重要的数据增强策略：Mixup以及填鸭式，下面是一个简单的实现
https://github.com/chuliuT/Tianchi_Fabric_defects_detection/blob/master/final_commit/Duck_inject.py
很好的参考资料：
目标检测比赛中的trick
https://www.cnblogs.com/zi-wang/p/12537034.html
http://spytensor.com/index.php/archives/53/?aazqne=u9pzg2&lktala=z15jb3&uevgjs=evmuy3
https://cloud.tencent.com/developer/article/1486440
最后：
1、参加比赛可以学到很多东西，尤其是在不懂该领域时。这会让你去了解一些细节而不是单纯看paper时的囫囵吞枣。但是呢，现在detection有很多集成得很好的库了（例如mmdetection），很多细节也是只需要改一些参数，配置一些configs即可。若想细致的了解，还需要看具体的实现。
2、参加比赛很重要的一点是团队。作为队长你想要取得什么样的成绩，同时队友也有致力于这个目标的自驱动力，即设置一个合理的目标。如何激发每个成员的主观能动性是很重要的！作为队长，对于整个比赛的进度把控是很重要的，什么时候出一个baseline，基于baseline结果的各种可能细分为各种方向，每个成员在哪些方向进行探索（数据处理/模型等），定期的头脑碰撞很重要。
3、实验设置/结果记录，实验结果的管理也很重要，推荐使用一些共享文档来记录（例如腾讯文档，石墨文档）。学会利用身边的一切资源（能找到有卡的队友真是太幸福了），在比赛群里看到有同样思路的其他队伍积极交流啊（这个对我来说帮助很大），避免局部最优，闭门造车嘛。
4、自己的总结是参考了很多其他的博客以及知乎文章，因此有一些‘抄袭’吧。若原作者看见了请联系我，可以删除或者加上你的文章链接。感谢！
5、知乎图片应该会有压缩，因此上传一个Xmind源文件给大家，有需要的下载即可。里面不仅有上面那些图片的总结源文件，还有mmdetection的使用总结（因为我是一个爱写笔记的人，所以啥都总结），还有一些服务器的使用总结等等，关于Xmind中一些是我加工处理过的，信息传递会存在gap嘛甚至会存在错误，所以欢迎批评指正
觉得有用可以点个赞呀，谢谢，比心。
目标检测tricks思维导图下载
在CVer公众号后台回复：目标检测思维导图，即可下载上述的目标检测tricks盘点，强烈推荐学习！
重磅！CVer-目标检测交流群成立
扫码添加CVer助手，可申请加入CVer-目标检测方向 微信交流群，也可申请加入CVer大群，细分方向已涵盖：目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、Transformer、PyTorch和TensorFlow等群。
一定要备注：研究方向+地点+学校/公司+昵称（如目标检测+上海+上交+卡卡），根据格式备注，才能通过且邀请进群
▲长按加微信群
▲长按关注CVer公众号
整理不易，请给CVer点赞和在看！