当然这也带来了模型参数大小和训练时间的增加，属于 speed–accuracy trade－off。该团队也尝试过其他的改进方式，但最终还是选择了实用性更强的 CBNet，该方法不用再额外担心预训练权重的问题。
该团队选择了性价比较高的双 backbone 模型结构。
3． 数据增强
该团队发现 Pixel－level 的增强方式导致了性能结果大幅下降，因此没有在这个方向继续尝试。
而图像增强方式 Retinex，从视觉上看带来了图像增强，但是该方法可能破坏了原有图片的结构信息，导致最终结果没有提升。
于是，该团队最终选择了 Spatial－level 的增强方式，使得结果有一定的提升。
实验细节
1． 将 Cascade rcnn ＋ DCN ＋ FPN 作为 baseline；
2． 将原有 head 改为 Double head；
3． 将 CBNet 作为 backbone；
4． 使用 cascade rcnn COCO－Pretrained weight；
5． 数据增强；
6． 多尺度训练 ＋ Testing tricks。
实验结果
下图展示了该团队使用的方法在本地验证集上的结果：
该团队将今年的成绩与去年 ICCV 2019 同赛道冠军算法进行对比，发现在不使用额外数据集的情况下，去年单模型在 9 个尺度的融合下达到 11．06，而该团队的算法在只用 2 个尺度的情况下就可以达到 10．49。
未来工作
该团队虽然获得了不错的成绩，但也基于已有的经验提出了一些未来工作方向：
1． 由于数据的特殊性，该团队尝试使用一些增强方式来提高图片质量、亮度等属性，使图片中的行人更易于检测。但结果证明这些增强方式可能破坏原有图片结构，效果反而降低。该团队相信会有更好的夜间图像处理办法，只是还需要更多研究和探索。
2． 在允许使用之前帧信息的赛道二中，该团队仅使用了一些简单的 IoU 信息。由于收集这个数据集的摄像头一直在移动，该团队之前在类似的数据集上使用过一些 SOTA 的方法，却没有取得好的效果。他们认为之后可以在如何利用时序帧信息方面进行深入的探索。
3． 该领域存在大量白天行人检测的数据集，因此该团队认为之后可以尝试 Domain Adaption 方向的方法，以充分利用行人数据集。
参考文献：
［1］ Lin T Y ， Dollár， Piotr， Girshick R ， et al． Feature Pyramid Networks for Object Detection［J］． 2016．
［2］ Dai J， Qi H， Xiong Y， et al． Deformable Convolutional Networks［J］． 2017．
［3］ Cai Z ， Vasconcelos N ． Cascade R－CNN： Delving into High Quality Object Detection［J］． 2017．
［4］ Xie S ， Girshick R ， Dollar P ， et al． Aggregated Residual Transformations for Deep Neural Networks［C］／／ 2017 IEEE Conference on Computer Vision and Pattern Recognition （CVPR）． IEEE Computer Society， 2017．
［5］ Bochinski E ， Eiselein V ， Sikora T ． High－Speed tracking－by－detection without using image information［C］／／ 2017 14th IEEE International Conference on Advanced Video and Signal Based Surveillance （AVSS）． IEEE， 2017．
［6］ Henriques J F ， Caseiro R ， Martins P ， et al． High－Speed Tracking with Kernelized Correlation Filters［J］． IEEE Transactions on Pattern Analysis and Machine Intelligence， 2015， 37（3）：583－596．
［7］ Song G ， Liu Y ， Wang X ． Revisiting the Sibling Head in Object Detector［J］． 2020．
［8］ Li A ， Yang X ， Zhang C ． Rethinking Classification and Localization for Cascade R－CNN［J］． 2019．
［9］ Wu， Y．， Chen， Y．， Yuan， L．， Liu， Z．， Wang， L．， Li， H．， ＆ Fu， Y． （2019）． Rethinking Classification and Localization in R－CNN． ArXiv， abs／1904．06493．
［10］ Liu， Y．， Wang， Y．， Wang， S．， Liang， T．， Zhao， Q．， Tang， Z．， ＆ Ling， H． （2020）． CBNet： A Novel Composite Backbone Network Architecture for Object Detection． ArXiv， abs／1909．03625．
