这个是从一篇报道户外汽车识别比赛（Nexar 挑战赛）结果的新闻里摘抄下来的，里面有一些获奖者分享的他们的模型介绍，整理下来以备日后使用
图一 识别效果
图二 比赛使用各模型的比例以及得分
大多数参赛者使用更快的RCNN作为他们的模型，其得分范围从0.5到0.77。但是明显的获胜者是Deformable R-FCN，平均得分为0.8。
图三 比赛结果
方法分享-1：
“我使用具有soft-NMS的Deformable R-FCN参加了这次挑战。使用了从ImageNet上用ResNet-50预训练的一个单模型。
核心要点:
1. Deformable Convnets和R-FCN功能强大，在ImageNet和COCO上获得了最先进的性能。我都不需要使用集成。如果我使用集成，和ResNet-101一起，加上更多trick，性能可以更好。
2. 水平翻转训练图像效果很好。我将所有训练数据水平翻转。这已经是一个非常普遍的数据增强/扩充方法了。
3. 小尺寸锚点。查看训练数据，我看到很多小的边界框，于是决定添加更多的小尺寸锚点。结果证明这样做效果很好。
4. 多尺度测试。这一般会带来大约2%的性能提升。我在720训练，在(600，720，1000)测试，获得了性能提升。
方法分享-2：
本质上我的源代码组成如下:
1)基于Faster-RCNN的Deformable ConvNets，代码(https://github.com/msracver/Deformable-ConvNets)。我进行了一些小的修改，包括读取Nexar数据集的适配器，禁用非最大抑制阶段的选项，以及能够运行多个预测的小脚本。
2)一些用于准备数据集扩充和转换结果的实用程序脚本。
3)实施定制的灵活非最大抑制阶段(non maximum suppression stage)。
核心要点
我决定使用Faster-RCNN或R-FCN的Deformable ConvNets修改。
由于比赛时可以修改/标注训练数据集，我首先检查了训练数据的改进情况。
标签的规模和性质都不适合用手工进行重新打标签。
我将训练数据集分为两个，在每个上都训练了R-FCN模型。
我比较了两个分开数据集预测与原始标签预测的结果，发现了训练集中缺少的边界框。
几乎在所有情况下，我发现这都是标签缺失导致的。
我按照缺失的边界框数量对训练集中的图像进行排序，并重新标记了其中15-20%边界框缺失最多的图像，最坏情况下图像中有多达8辆车没有边界框。
由于模型生成的边界框相当准确，所以我只需要选择将哪些预测边界框添加到训练数据集中，所以过程还是相对较快。
我决定使用Faster-RCNN，因为经过一个快速测试，它比R-FCN实现了稍微更好的结果。
我计划尝试这篇论文(https://arxiv.org/abs/1704.04503)中描述的Soft NMS方法
我扩展了Soft NMS的原始概念，不仅调整置信区间，还要调整边界框的位置。
我在NMS阶段之前检查了Faster-RCNN的结果，发现它经常产生一些具有相似置信区间和位置的封闭边界框。
只保留置信区间最上层结果，抛弃其他所有的结果，听起来有点浪费，尤其是当结合使用多个模型或测试时间扩充以后。
所以，我的 Flexible NMS方法如下:
1)对于置信度最高的边界框，将其与iou> 0.8的所有其他类似框组合，框的位置作为具有置信度权重的边界框位置的加权平均值。
2)对于组合框的置信度，我使用conf = sum(最多N个边界框)/ N
。这对组合多个结果特别有用，我还想惩罚那些只有单个网络找到的一个结果(相比更多网络/边界框预测的置信度更高的结果)。
我使用N == 4 ×预测数的组合。
3)对于与当前框重叠的所有其他框，我按照原始 Soft NMS文章中的所述调整了置信度。
总体来说，这种方法让我从单个模型、默认NMS得分~0.72–0.73，增加到0.77-0.78，后面是使用 Flexible NMS从2个不同模型组合大约6个预测的结果。
我最终提交的结果，训练了3个Faster RCNN模型，对于所有图像的每个预测，翻转和±20%调整大小。
我将所有结果结合，禁用原始NMS，并通过Flexible NMS进行后处理。
摘自：
