ACVLAB/DS/NCKU 獲電腦視覺頂尖研討會WACV2023 之 USV Obstacle Object Detection Challenge 亞軍

本校數據所許志仲助理教授帶領數據所兼任研究助理張渝安、侯秀瑜兩位同學，以及清大電機楊舒晴 (共同指導專題生)，參加 IEEE/CVF Winter Conference on Applications of Computer Vision (WACV) 中 Workshop on Maritime Computer Vision (MaCVi) 舉辦的無人機障礙物偵測上 (USV Obstacle Detection) 獲得世界第二的佳績。WACV是電腦視覺的頂尖會議，每年吸引許多學術圈與知名業界研究人員參與，也因此上面的各種學術競賽總是特別競爭，這些競賽不見得參加人非常多，但都是知名學術與研究團隊，因此要從中獲得好成績相對不容易。我們本次由於時間有限，因此在模型選擇與資料處理上面格外小心，但也因為數據所的訓練就是理解資料，因此在正確的分析結論下，加上同學日夜搏鬥，終於獲得國際第二的佳績，實屬不易。

由於空拍機近年來受到極大的重視，而且有許多不同的應用，不論在民生到軍事，都可以看的到無人機的身影。其中無人機應用最重要的一環就是視覺感知，也就是透過攝影機來偵測或理解地面上或海面上的資訊，以輔助決策。本次WACV舉辦的競賽是海上障礙物偵測，由於空拍機距離的關係，障礙物相對很小，傳統在物件偵測中，單一畫面直接偵測極小物件通常會因為特徵圖過小而產生特徵消失問題 (Feature vanishing)，導致最後下游偵測器無法偵測到。我們經過分析之後，發現Parallel Residual Bi-Fusion Feature Pyramid Network (PRB-FPN) 可有效的避免特徵消失的問題，提高物件偵測方法對於小物件的偵測能力。然而對於此次競賽，其背景並非單一背景，不僅僅只有海上的場景，也包含了海灘上的場景。然而標註與目標僅在海上，而海灘上的場景沒有被看過，因此將會產生問題。基於巨人肩膀上，我們引入了Masking Training到PRB中，建構了Prior-based PRB 來因應這個問題，有效的將成績進一步往上提升，最終獲得第二名的好成績。值得一提的是，大多數這類競賽都會採用 Ensemble (集成) 策略，但這樣對於實際產業界並不是理想策略，除了效果僅有些許的提升，更重要的是會導致數倍的訓練與測試的時間複雜度，因此我們一向都不採用集成策略，也因此，任務變得更加艱難，要從中脫穎而出，相對更不容易。此次能獲得佳績，三位同學的努力功不可沒。

相關競賽連結：https://seadronessee.cs.uni-tuebingen.de/home