亚洲福利在线无码天天看-99久久精品久久久久,蜜芽miya737.mon.永不失联,三年片在线观看免费观看高清动漫 推荐,行業(yè)大數(shù)據(jù),六十路高龄老熟女m,在线播放亚洲国产一区二区三,全国空降联系方式是多少,99久久精品久久久久,蜜桃一起草

2020年6月19日，全球計算機視覺頂級會議CVPR2020圓滿落幕，深蘭科技北京AI研發(fā)中心的DeepBlueAI團隊斬獲了NightOwls Detetection Challenge 2020 (Track 1:Pedestrian Detection from a Single Frame, Track 2:Pedestrian Detection from a Multiple Frames兩個賽道)、圖片+ (Track 1 -- task 1賽題)、NTIRE 2020 ：Perceptual Extreme Super-Resolution Challenge (PSNR 評價指標)共4個冠軍，還在CVPR2020其他賽題中獲得了4項亞軍、4項季軍，一共斬獲12項冠亞季軍。

其中，NightOwls夜間行人檢測的測試成果可與白天行人檢測結合，打造適用于不同天氣條件的全天候的行人檢測系統(tǒng)，可提升深蘭目前的各類戶外防疫監(jiān)測產品的識別性能；圖片+ 挑戰(zhàn)賽的霧天條件下的物體檢測成果可用于智能熊貓公交車、掃路機的安全監(jiān)控、室外環(huán)境感知、輔助駕駛；NTIRE 2020 :Perceptual Extreme Super-Resolution Challenge圖像恢復與增強挑戰(zhàn)中的超分辨率感知測試成果可以應用于圖像復原等領域。另外，還有多個競賽的解決方案可以應用在服裝行業(yè)、農業(yè)病蟲害防護等領域。

國際計算機視覺和模式識別大會(CVPR)一直有計算機視覺領域的「奧斯卡」之稱，憑借著嚴苛的競賽標準，成為全球AI領域團隊檢驗自身基礎研究成果的試金石。今年，受全球疫情影響，該賽事于6月14日-19日在線上舉辦，以深蘭科技等領軍的中國AI企業(yè)在比賽中大放異彩，向全球展示了中國AI的雄厚實力。


深蘭科技看重CVPR的比賽嚴謹和評比權威性，已連續(xù)多年出征CVPR，以此來檢驗自身的算法實力。今年，深蘭科技共參與了10個競賽項目，斬獲4項冠軍，總共12項冠亞季軍，較去年取得了更為驕人的成績。在全球經(jīng)濟跨入以AI為引領的第四次工業(yè)革命時代、中國聚焦AI「新基建」時，深蘭科技已做好了充分準備，獲得不俗成績的同時，也將秉持開放共享的態(tài)度，為中國AI行業(yè)輸出更多的新鮮血液，推動AI「新基建」發(fā)展。

下面，讓我們看看深蘭科技參加的10個賽道比拼，究竟有哪些挑戰(zhàn)難點及應用場景。


1

NightOwls Detetection Challenge 2020

2個冠軍、1個亞軍

夜間行人檢測，該比賽分為三個賽道：

賽道一：檢測夜間場景下單幀圖片中的行人

賽道二：借助當前幀及之前所有幀共同輔助檢測當前幀的行人

賽道三：檢測夜間場景下的行人、自行車、摩托車

難點：

1）所有數(shù)據(jù)集都是在車輛運動過程中采集的，當車速較快或者車輛與相機之間有相對運動時會產生運動模糊。同時又由于圖片場景都是光線較弱的夜間場景，因此圖片質量也相對較差。

2）夜間場景圖片色彩信息少。

3）圖片采集涵蓋了不同的城市和天氣條件，同以往用常用來訓練預訓練模型的數(shù)據(jù)集差異較大。

應用場景：24小時的行人監(jiān)測系統(tǒng)

2

圖片+ PRIZE CHALLENGE 第一賽道 任務1霧天條件下的物體檢測

冠軍

難點：

在特定條件，如惡劣的天氣或者光照條件等，可見性較差的環(huán)境中的魯棒性。即使是政府采用的商業(yè)化攝像機在惡劣的天氣條件下也顯得很脆弱。因此，迫切需要研究在何種程度上，在某種意義上可以應對這種具有挑戰(zhàn)性的視覺條件。

應用場景：安全監(jiān)控、室外環(huán)境感知、輔助駕駛



3

NTIRE 2020 :Perceptual Extreme Super-Resolution Challenge

PSNR冠軍

圖像超分辨率是一項關鍵的計算機視覺任務，其目的是恢復低分辨的圖像內容，填充丟失的信息，以實現(xiàn)獲得一張高清的大分辨率圖像。團隊主要關注PSNR指標，在PSNR指標上，團隊取得第一名的成績，并且超越了去年的冠軍方案。

難點：

本次賽題對單張圖像以及極端超分辨率提出了挑戰(zhàn)，即基于一組的低分辨率和相應的高分辨率圖像，以x16的放大因子對輸入圖像進行超分辨率（提高分辨率）。

應用場景：圖像復原

4


Plant Pathology 2020 - FGVC7

亞軍

本賽題旨在通過計算機視覺的方法，解決以下問題：

1）準確地判斷葉片是否健康

2）對于不健康的葉片，判斷其疾病的類別，有時一個葉片可能有多種疾病

難點：

1）數(shù)據(jù)集中涵蓋了不同的葉片的角度、光照、形狀、葉片年齡，數(shù)據(jù)相對復雜，對模型效果影響較大；

2）數(shù)據(jù)集中的疾病包含一些罕見的疾病，和一些新的癥狀，對模型提出新的挑戰(zhàn)。

應用場景：農業(yè)病蟲害分類



5

iMet Collection 2020 - FGVC7

亞軍

本賽題需要將紐約大都會藝術博物館中超過20萬件藏品的數(shù)字化圖像進行細粒度分類。

難點：

1）數(shù)據(jù)集總類別數(shù)比較多，超過3000個類別

2）圖片尺度分布差異比較大

應用場景：博物館、圖書館等館藏分類及搜索

6



BDD100K Multiple Object Tracking Challenge

亞軍

BDD100K是CVPR2020 Autonomous Driving WorkShop的一部分，是在最多樣化的駕駛條件下的大規(guī)模跟蹤挑戰(zhàn)任務。

難點：

需要參賽者預測出視頻中物體在時間維度上的關聯(lián)，主辦方提供了2000個40秒在一天中的不同天氣條件下的完整注釋序列，數(shù)據(jù)集提供了具有復雜遮擋和消失物體重新出現(xiàn)的多種駕駛場景，需要為開發(fā)的MOT算法在真實場景中的可靠性提供了一個很好的測試場景。

應用場景：自動駕駛，Domain Adaption方向



7

Pixel SkelNetOn

季軍

像素骨架提取分析能對不同目標的二值化掩碼進行細化，克服傳統(tǒng)方法人工設置參數(shù)的不便。

難點：

如何從少量樣本中準確提取不同形狀的的骨架，存在一定的挑戰(zhàn)性。

應用場景：圖像細化

8



DeepFashion2 -- Track 2 Clothes Retrieval

季軍

由于在產業(yè)中的巨大潛力，時尚圖像檢索成為了活躍的研究課題。

難點：

DeepFashion2數(shù)據(jù)集包含 49.1 萬張圖像，13 種流行的服飾類別，擁有最豐富的任務定義和最大數(shù)量的標簽，由于巨大的變形、遮擋，以及消費者和商業(yè)圖像之間存在的服裝域的差異，如何進行準確的服裝搜索是一個大的挑戰(zhàn)。

應用場景：電商平臺服飾檢索功能


9

LIP--Track 3 Image-based Multi-pose Virtual Try-on Challenge

季軍

此任務針對基于圖像的多姿勢虛擬試穿。要求給定輸入的人圖像，以及期望的服裝圖像和人體姿態(tài)，要求參與者設計算法以將期望的服裝轉移到人圖像并操縱人的姿勢。

難點：

1）多姿態(tài)虛擬試穿，以往會有相關算法要求固定輸入圖片的姿勢，而此賽道姿勢各異，不僅要考慮到服裝因素，還需考慮姿態(tài)因素。

2）生成算法較難收斂，容易導致loss爆炸。

應用場景：服飾行業(yè)的虛擬試穿

10

iMaterialist (Fashion) 2020 at FGVC7

季軍

本賽題通過時裝界和計算機視覺界的聯(lián)合，引入一個新的細粒度分割任務。提出的任務將服裝屬性的分類和服裝部件分割統(tǒng)一起來，這是邁向實際應用的重要一步。

難點：

服裝視覺分析需要能夠從圖片中識別服裝產品及其相關屬性，讓設計師了解人們喜歡什么樣的產品及服裝搭配，提高時尚專業(yè)人士的工作效率，進一步可以增強消費者的購物體驗。

應用場景：服裝輔助設計領域