欢迎大家来到IT世界,在知识的湖畔探索吧!

作者：Deeksha Arya等

编译：CV君

报道：我爱计算机视觉公众号（id:aicvml）

向大家推荐一篇论文『Global Road Damage Detection: State-of-the-art Solutions』，它总结了在 IEEE International Conference on Big Data’2020 会议中举办的 “Global Road Damage Detection Challenge (GRDDC) ,全球道路损坏检测挑战赛”中前 12 名的解决方案。

其不仅给出了各参赛队的方案，而且这些代码也全部开源了，相信对于学术和工业界的朋友都会很有帮助。

本次挑战赛的任务是对几种道路损伤进行检测，不仅要分类出损伤类别，还要定位到损伤的位置，故该比赛实质是一个目标检测问题。

01 数据集

GRDDC’2020 数据集是从印度、日本和捷克收集的道路图像。包括三个部分：Train, Test1, Test2。训练集包括带有 PASCAL VOC 格式 XML 文件标注的道路图像。在给参赛者的数据Test1 和 Test2 中是没有标注。train则包含标注。

数据分布如下：

三个数据集和三个国家的图像分布统计

训练数据中每种损坏类型的实例数

02 评估方法

GRDD 挑战赛的评估标准是F1-Score。

对于参赛者提交的预测结果，如果预测满足以下两个标准，则认为它是正确的。

• predicted bounding box 与 ground truth bounding box 之间的重叠区域超过 50%，即 IoU > 0.5。
• 预测的标签与实际的标签相匹配，如图像的标注文件中所指定的（ground truth）。

评估脚本比较两个输入文件以及计算所提交的 F1-Score。F1-Score 为精确率和召回率的调和平均数，精确度是真阳性与所有预测阳性的比率。召回率是真正的阳性结果与所有实际阳性结果的比率。

各参数的细节如下：

• 真阳性（TP）：ground truth 中存在一个损害实例，并且该实例的标签和边界框被正确预测，IoU>0.5。
• 假阳性（FP）：当模型预测了图像中某一特定位置的损害实例，但该实例并不存在于图像的 ground truth 中。也包括了预测标签与实际标签不匹配的情况。
• 假阴性（FN）：当一个损害实例出现在 ground truth 中，但模型无法预测正确的标签或该实例的边界框。

召回率：

精确度：

F1-Score：

F1指标对召回和精度的权重相等。因此，参赛者需要在两者都有中等水平的表现，而不是在其中一个方面表现突出，在另一个方面表现不佳。对 test1 和test2 分别计算 F1。最后，用两个分数的平均值对各队进行排名。

03 结果和排名

本次挑战赛共有来自世界各地的 121 支队伍报名参加，有13 支队伍根据提出的解决方案和提交的源代码所达到的平均 F1-score 入围，其中有12 支队伍进入了决赛。

排名前三的团队平均 F1-score 超过60%，并提出了使用集成学习和多种数据增强技术的高效方法。

冠军团队是：IMSC团队(Hedge等，来自美国南加州大学和约旦德国约旦大学)，提出方法基于 ultralytics-YOLO (u-YOLO) [YOLOv5, 2020]，并应用了测试时数据增强（TTA），提高了模型的鲁棒性。TTA 通过对每张测试图像进行多次变换（如水平翻转、提高图像分辨率）并生成新的图像来进行数据增广。

新的图像与现有图像一起被输入到训练好的 u-YOLO 模型中。因此，对应于每一个测试图像，使用增强的图像生成多个预测。在此过程中产生的重复或重叠的预测使用非极大抑制（NMS）算法进行过滤。整个方法被称为集成预测（Ensemble Prediction，EP）。

除了 EP，该团队还提出了另一种方法，称为集成模型（EM）。顾名思义，EM是将 u-YOLO 模型的不同变体进行集成。鉴于训练一个 u-YOLO 模型涉及到调整不同的超参数，使用这些参数的不同组合会产生不同的训练模型。作者选择这些模型的一个子集，以使它们的整体精度最大化。每幅图像都会在所有选定的模型上测试，然后对每个模型的预测结果进行平均，最后应用非极大抑制。这种集成技术通过降低预测方差实现了更好的准确性。

团队的最终方案是将这两种方法结合起来，Ensemble Model with Ensemble Prediction（EM+EP）。可以想象每幅图像的测试时间肯定是很长的，但好在这只是比赛。

当然作者也比较了三种方法(EM、EP和EM+EP)在速度和精度方面的表现。统计结果显示，虽然在(EM+EP)的情况下，准确率得到了提高，达到了最高的 F1-score(测试1为0.67)（大力出奇迹啊！），而如果用每幅图像的检测时间来衡量，该方法在检测速度方面是最差的。

获胜团队的最后得分及代码如下：

Test1-Score：0.6748

Test2-Score：0.6662

（这个结果是远超第二名的！）

作者已经公开了代码：

https://github.com/USC-InfoLab/rddc2020

第二名

团队：SIS Lab

方案：以 YOLO-v4 为基础模型的集成模型，数据增广用到随机裁剪增强算法，每张训练图像输出三张图像。另外，其也探索用到过不同输入图像分辨率的 YOLO-v4检测。

Test1-Score：0.6275

Test2-Score：0.6358

代码：https://github.com/kevaldoshi17/IEEE-Big-Data-2020

第三名

团队：DD-VISION
方案：以Cascade R-CNN为基础模型的模型集合。数据增广用到：道路分割、混合、CLAHE、 RGB shift。该团队也探索使用过的其他算法：Faster-RCNN, ResNeXt101, HR-Net, CBNet, ResNet-50。

Test1-Score：0.629

Test2-Score：0.6219

代码：https://pan.baidu.com/share/init?surl=VjLuNBVJGS34mMMpDkDRGQ password: xzc6

Cascade R-CNN曾在多个目标检测比赛中博得头筹，这次的表现略逊一筹。

第四名

团队：titan_mu
方案：CSPDarknet53主干网上训练的YOLO模型。无数据增广。其还探索使用过 Hourglass104和 EfficientNet 主干网上训练的 CenterNet 和 EfficientDet 模型。

Test1-Score：0.5814

Test2-Score：0.5751

代码：https://github.com/titanmu/RoadCrackDetection

第五名

团队：Dongjuns
方案：主方法是：YOLOv5x。对于数据增广：图像HSV、图像转换、图像比例、水平翻转、马赛克。

Test1-Score：0.5683

Test2-Score：0.5710

代码：https://github.com/dongjuns/RoadDamageDetector

第六名

团队：SUTPC
方案：Ensemble(YOLO-v4 + Faster-RCNN)。

Test1-Score：0.5636

Test2-Score：0.5707

代码：https://github.com/ZhangXG001/RoadDamgeDetection

第七名

团队：RICS
方案：EfficientDet 。

Test1-Score：0.565

Test2-Score：0.547

论文An Efficient and scalable deep learning approach for road damage detection

代码：https://github.com/mahdi65/

roadDamageDetection2020

第八名

团队：AIRS-CSR
方案：主方法 YOLOv4，以及其它数据增广方法：通过调整亮度、对比度、色调、饱和度和噪声进行图像转换。随机缩放和 Mosaic 数据增强，条件GAN。

Test1-Score：0.554

Test2-Score：0.541

代码：https://github.com/ZhangXG001/RoadDamgeDetection

注：不知是否是原论文作者笔误，第八名与第六名的代码库是同一个

第九名

团队：CS17
方案：Faster RCNN+ Resnet-18/Resnet-50。使用过数据增广但没有改善精度。

Test1-Score：0.5413

Test2-Score：0.5430

代码：https://github.com/TristHas/road

第十名

团队：BDASL
方案：使用Resnet-50和Resnet-101主干网的多级 Faster R-CNN，以及以CSPNet 为主干网的 Yolov5。数据增广：对路面进行尺寸调整和语义分割（这样只检测路面部分）。

Test1-Score：0.5368

Test2-Score：0.5426

代码：https://github.com/vishwakarmarhl/rdd2020

第十一名

团队：IDVL
方案：Detectron2 和 Faster R-CNN。数据增广使用了水平镜像和缩放。

Test1-Score：0.51

Test2-Score：0.514

代码https://github.com/iDataVisualizationLab/

roaddamagedetector

第十二名

团队：E-LAB
方案：FR-CNN。

Test1-Score：0.4720

Test2-Score：0.4656

代码：https://github.com/MagischeMiesmuschel/E-LAB_IEEE_BDC_GRDD_2020_submission

前 12 支团队所取得的排名及得分情况

前 12 支队伍信息

05 结果讨论

• YOLOv5、YOLOv4是比赛中常用的模型，u版YOLOv5很优秀;
• 几乎所有团队都使用了数据增广，其可以显著改善精度，但也有用了没效果的时候；
• 目标检测中的集成学习：多图像输入+多模型测试+结果送入NMS。

在【我爱计算机视觉】公众号后台回复“GRDD”,即可下载该论文报告和前三名的参赛代码。