【項目動态】8項冠亞季軍收官ECCV2020,深蘭獲三大視覺頂會挑戰賽大滿貫

2020-08-31 閱讀

8月28日,全球計算機三大頂級會議之一ECCV 2020圓滿落幕,深蘭科技的DeepBlueAI團隊包攬了GigaVision 2020挑戰賽圖像多類别目标檢測和視頻多目标跟蹤雙賽道(dào)冠軍,有力推動了十億級像素圖像和視頻的目标檢測技術的發(fā)展。此外,還(hái)在VIPrios系列賽、Visdrone系列賽中獲得了2個亞軍和4個季軍,一舉囊括8個大獎。值得一提的是,該團隊在由谷歌于Kaggle平台上舉辦的ECCV挑戰賽Google Landmark Retrieval 2020上也收獲了一枚金牌。

至此,深蘭科技已在ICCV、CVPR和ECCV上分别取得了多個第一的優異戰績,實現了全球三大計算機視覺頂級會議挑戰賽的大滿貫。

此次深蘭科技獲得雙冠的 GigaVision2020 挑戰賽,是由清華大學(xué)基于其新推出的數據集PANDA(全球首個十億像素級别視頻數據集)而組織的,能(néng)夠促進(jìn)新的算法來理解更複雜的人群活動及社交行爲,比如分析人群長(cháng)時間,長(cháng)距離的活動。其挑戰賽的任務是兩(liǎng)類經(jīng)典的視覺任務:圖像多類别目标檢測和視頻多目标跟蹤。參賽過(guò)程中,團隊要求檢測行人和車輛兩(liǎng)類目标以及提交行人在視頻中的軌迹。

1.jpg

2.jpg

GigaVision挑戰賽的難點頗多,比如參賽團隊在PANDA上進(jìn)行檢測的過(guò)程中必須同時要解決準确性和效率的問題。準确性很容易受到明顯的目标尺度變化和複雜遮擋的影響,而效率很大程度上會被(bèi)十億像素級别的分辨率所影響。同時,巨大的同類目标尺度變化、對(duì)長(cháng)時間長(cháng)距離追蹤的需求和行人擁擠、相互遮擋的複雜場景都(dōu)讓此挑戰賽難度倍增。

深蘭科技DeepBlueAI團隊在檢測賽道(dào)時將(jiāng)任務解耦爲多個子任務,把難點獨立出來重點解決,并根據以往檢測經(jīng)驗,通過(guò)所積累的模塊和方法,使得結果有了進(jìn)一步的提升。最終,第二、三名隻有千分之幾的分差,而DeepBlueAI團隊的最好(hǎo)成(chéng)績領先第二名2.6個百分點,強勢獲得冠軍。

3.png

除了GigaVision 2020挑戰賽的雙賽道(dào)冠軍外,深蘭還(hái)在VIPrios系列賽、Visdrone系列賽中獲得了2個亞軍、4個季軍以及1項Kaggle金牌


VIPriors Image Classification Challenge 亞軍  

該賽題是一個圖像分類任務,難點是如何不使用任何預訓練模型從頭開(kāi)始訓練,主要目标是如何在ImageNet的子集上獲得最高的準确率。

Visdrone-task3 Multi-Object Tracking  亞軍

該賽題要求基于無人機視角拍攝的視頻,進(jìn)行多類别多目标跟蹤任務,DeepBlueAI團隊基于Tracking-by-detection的方法,逐步優化檢測器、特征提取器、數據關聯。

VIPriors Object Detection Challenge 季軍

該賽題的數據集是部分MSCOCO數據集,賽題任務是是利用少量數據集在不使用任何預訓練模型的基礎上,進(jìn)行80個類别的目标檢測。

VIPriors Action Recognition Challenge 季軍

此爲動作識别挑戰賽,需要從頭訓練模型以完成(chéng)基于UCF101數據集101種(zhǒng)動作識别任務。

 Visdrone-task1 Object Detection 季軍

該賽題要求基于無人機視角拍攝的圖片,對(duì)車輛、行人等目标進(jìn)行定位分類,DeepBlueAI團隊基于CascadeRCNN的方法,逐步優化數據增強方法、特征提取器、後(hòu)處理等。

OpenEDS Sparse Semantic Segmentation Challenge 季軍

該賽題要求基于VR設備内部拍攝到的眼睛圖片,將(jiāng)眼睛關鍵區域分割成(chéng)鞏膜,虹膜,瞳孔,參賽過(guò)程中,DeepBlueAI團隊基于Unet結構,并結合了數據增強,注意力機制等方法。

Google Landmark Retrieval 2020 Kaggle金牌

該賽題要求參賽者對(duì)收集到的大量地标建築物圖像進(jìn)行檢索,DeepBlueAI團隊基于Global feature、優化數據增強、特征提取網絡等方法,最終取得金牌一枚。

過(guò)去十年中,以行人檢測、跟蹤、動作識别、異常檢測、屬性識别等以人爲中心的計算機視覺一直在人工智能(néng)産業中占據著(zhe)十分重要的地位,逐步成(chéng)爲自動駕駛,智能(néng)零售,智慧安防等領域發(fā)展的支撐。作爲核心技術之一,深蘭在計算機視覺方面(miàn)的實力已在多項國(guó)際頂級競賽中得以驗證,并已應用于不同領域的産品中,包括因爲在疫情期間發(fā)揮重大作用被(bèi)工信部點贊的深蘭AI熱感視覺行爲監控系統-貓頭鷹,在廣州、深圳、武漢、上海、長(cháng)沙等多地獲得自動駕駛路測牌照的熊貓智能(néng)公交車,以及各類機器人和智能(néng)零售産品等。ECCV載譽歸來,爲日後(hòu)更多“服務民生”産品的奠定了基礎。

成(chéng)績單

CVPR、ECCV 和 ICCV 三大國(guó)際頂會被(bèi)公認爲計算機視覺領域的最高水平。作爲AI行業的領軍企業,深蘭一直是三大頂會的積極參與者,此次ECCV奪冠,實現了計算機視覺三大頂級會議的大滿貫。未來,深蘭還(hái)將(jiāng)堅持基礎研究和應用開(kāi)發(fā)雙落地,夯實計算機視覺技術,譜寫“人工智能(néng),服務民生”的篇章。

我們一起(qǐ)回顧一下深蘭在CVPR2020和ICCV2019中的優異表現吧。

CVPR2020 4冠4亞4季

冠軍 

NightOwls Detetection Challenge 2020 - Track1:Pedestrian Detection Challenge 

NightOwls Detetection Challenge 2020 - Track2:Pedestrain Dectection from a Multiple Frames

UG2+ PRIZE CHALLENGE  Track 1-task 1: (Semi-)Supervised Object Detection in Haze Conditions

5th edition of NTIRE: New Trends in Image Restoration and Enhancement workshop -- Perceptual Extreme Super-Resolution(PSNR)

亞軍

NightOwls Detetection Challenge 2022

Fine-Grained Visual Categorization 7 -- Plant Pathology 2020

BDD100K Multiple Object Tracking Challenge

Fine-Grained Visual Categorization 7 -- iMet Collection 2020

季軍

Pixel SkelNetOn

DeepFashion2 Challenge 2020 -- Track 2 Clothes Retrieval

Fine-Grained Visual Categorization 7 -- iMaterialist (Fashion) 2020

The 4th Look Into Person (LIP) Challenge --Track 3 Image-based Multi-pose Virtual Try-on Challenge

ICCV2019 4冠5亞1季

冠軍 

CVWC Challenge: Tiger Pose Detection

VisDrone Challenge: Object Detection in Videos

VisDrone Challenge: Multi-Object Tracking 

Mapillary Vistas Object Detection Task

亞軍

 CVWC Challenge:Tiger Re-ID in the Wild  

AutoNUE Segmentation Challenge2019 

NightOwls Pedestrian Dectection Challenge 2019

AutoNUE Panoptic Segmentation Challenge 2019

AutoNUE Constrained Devices Challenge2019 

季軍

DeepFashion2 Challenge 2019 - Track 2 Clothes Retrieval                          


個人用戶登錄 機構用戶登錄
賬号:
密碼:
忘記密碼
新用戶注冊
會員注冊
注冊類型: 個人 機構








發(fā)送驗證碼

找回密碼

發(fā)送驗證碼


修改密碼


郵箱綁定
更換手機


委托人權限登錄

由于個人隐私既客戶權限問題請點擊輸入身份證号碼進(jìn)行查看您的資料