高德地图联合阿里云天池平台举办的AMAP-TECH算法大赛已经落幕。本次大赛以“基于车载视频图像的动态路况分析”为赛题，赛题来源于高德真实的业务场景。路况信息不仅影响用户选择出行路线、出行方式、预估到达的时间，对于交通管理部门和城市规划部门也有重要的价值。
相关内容
来自15个国家和地区的880支战队经过数轮激烈角逐后，五强战队杀入决赛。我们将把五强战队的解题思路和方案分享给大家，来自于云港科技的时楠同学获得了季军，本次要分享的是他的技术方案。
中科院自动化所研究员、模式识别国家重点实验室主任王亮为季军获奖者颁奖
核心任务
本次比赛的内容是通过车载视频图像对当前道路状况进行分类，道路状况初赛中有三类：畅通、缓行与拥堵。复赛中分为四类，增加了一类封闭。以复赛指标为例，采用的是加权F1指标。畅通、缓行、拥堵和封闭分别对应0.1，0.2，0.3，0.4的权重。
方案简介
本次比赛我们采用了一个efficientnet和convlstm结合的模型。通过efficientnet提取到的图像特征和convlstm提取的序列特征结合的方式做分类。
在本次比赛复赛中，对于封闭类给出了障碍物的bbox标注，这里我们将bbox标注转换成了mask标注，在生成序列特征的时候，添加了一个mask预测的分支来辅助模型生成更好的特征，使模型能关注到障碍物的特征。
另外，由于比赛数据存在着很严重的类别不均衡，所以我们参考了
Decoupling Representation and classifier for long-tailed recognition这篇论文的方法，用了一个两阶段训练的方法，有效缓解了类别不平衡的影响。
方案分享
赛题分析
本次比赛主办方提供的数据是一个3-5帧的图像序列，其中一幅图作为参考帧，需要我们识别参考帧的路况信息，路况信息总共分为4种类别（畅通、缓行、拥堵、封闭）。对于封闭类，其主要判断依据是前方道路是否存在障碍物。所以，为了更有效的帮助我们识别路况，主办方对封闭类中的障碍物做了bbox标注。本次比赛采用了加权f1 score的方法作为最后的评分方式。
本次比赛的数据主要存在以下难点和问题：
算法设计与创新
多帧信息融合
利用参考帧和其相邻帧的图片信息，通过convlstm有效的提取其序列特征，最后将序列特征和参考帧特征结合从而更有效的识别路况信息。
bbox转mask
将bbox标注转换成mask标注，同时为模型增加一个mask预测的分支，通过这个分支辅助模型让它的注意力能关注到障碍物上。
两阶段训练
采用一个两阶段训练的方法，第一阶段按照正常随机采样的方式训练模型，第二阶段固定住efficientnet和convlstm的权重，采用re-weight的方式只训练后面的classifier，采用这种方式能更有效的缓解类别不平衡。
算法细节
在a榜、b榜中我们采用了不同的序列输入长度，主要原因是我们怀疑b榜测试集的序列长度分布和a榜还有训练集是不一致的，而训练集中序列长度是存在一定的leak的，我们发现在训练集中封闭类大多数都是只有3帧的序列，而其他类大多都是大于3帧的，所以用整个序列长度训练的模型容易把这个leak信息学进去，造成当测试集的序列长度分布不一致时，模型效果会变得非常差，所以在b榜我们采用了参考帧和其相邻帧作为输入的方式，避免模型学习到leak。
另外，我们对convlstm的实现做了一个小修正，在原始lstm的实现里lstm内部存储的信息ct会经过一个tanh的激活和输出gate相乘作为最后的输出，对于图像，我们用了relu+group norm替换了tanh，但是在group norm计算时，由于要减去一个均值，所以会有一半特征的值是小于0的，然后使用relu就会把这部分特征丢弃掉，这是很不利于后面的mask预测的，所以我们最后在convlstm的实现时去掉了这里的激活函数
在数据处理上我们主要采用了下面的几种数据增强，并且我们采用了在线数据增强的方式，同时对于同一序列的图片，我们会对其做相同的数据增强。
总结
本次比赛我们采用一个efficientnet和convlstm结合的方案来有效判断路况信息，并且进一步通过一个mask预测分支和一个两阶段训练的方法去辅助模型，提升模型效果。总体上说，整个解决方案是简单有效的，并且我们的方法很容易迁移到一些用bbox标注辅助分类的问题和一些类别不平衡的分类问题上。
另外，模型也具备很好的拓展性，我们可以很容易的将一些额外的信息（道路等级、时间信息等）加入到模型中，实现端到端的学习。我们模型单模精度也是比较高的，在a榜我们用单模型取得了第一名，b榜我们不提交融合的模型，用单模也是可以进入top5的。
最后，感谢主办方提供的数据和这样的一个业务场景，我们也希望通过大家的努力能真正实现帮助更多人美好出行的愿景。
