經(jīng)過(guò)激烈的角逐，由深海技術(shù)科學(xué)太湖實(shí)驗(yàn)室聯(lián)合無(wú)錫市委人才工作領(lǐng)導(dǎo)小組辦公室、無(wú)錫市科學(xué)技術(shù)局、華為技術(shù)有限公司共同主辦的首屆“船海數(shù)據(jù)智能應(yīng)用創(chuàng)新大賽”初賽晉級(jí)名單日前正式出爐?！八?水下典型目標(biāo)識(shí)別”和“非結(jié)構(gòu)化數(shù)據(jù)壓縮與處理”兩個(gè)賽題方向分別選出了30組隊(duì)伍晉級(jí)決賽。
據(jù)大賽組委會(huì)介紹，自 4 月 12 日開(kāi)賽以來(lái)，大賽受到了社會(huì)各界廣泛關(guān)注，兩個(gè)賽道參賽總?cè)藬?shù)超過(guò)了 1300 人。其中，“水面/水下典型目標(biāo)識(shí)別”賽道競(jìng)爭(zhēng)尤為激烈，351 支隊(duì)伍參賽，只有不到1成的隊(duì)伍成功晉級(jí)決賽。這和該賽道的出題內(nèi)容契合當(dāng)下人工智能的熱門(mén)應(yīng)用緊密相關(guān)。
面向日益增長(zhǎng)的智能化水上交通、海洋環(huán)境探測(cè)、水下探測(cè)等場(chǎng)景需求，提高水面/水下針對(duì)船只、漁網(wǎng)、浮標(biāo)、漂浮物、礁石、水生物等典型目標(biāo)的檢測(cè)識(shí)別能力成為船舶領(lǐng)域人工智能應(yīng)用亟需解決的難題。來(lái)自華中科技大學(xué)人工智能與自動(dòng)化學(xué)院張鈞杰的團(tuán)隊(duì)、南京理工大學(xué)博士沈飛團(tuán)隊(duì)、浙江大學(xué)軟件學(xué)院人工智能專業(yè)許可團(tuán)隊(duì)采用不同的技術(shù)手段，各顯其能，分別獲得該組初賽的前三名。初賽階段有努力、有收獲，面對(duì)決賽有期許、有奮進(jìn)……三位選手敞開(kāi)心扉，分享了他們的賽事所得。
張鈞杰：很享受邊打比賽邊學(xué)習(xí)的快樂(lè)！
張鈞杰是華中科技大學(xué)人工智能與自動(dòng)化學(xué)院的研一學(xué)生。之前他曾參加過(guò)幾個(gè)和目標(biāo)檢測(cè)相關(guān)的賽事，如城市紅綠燈視覺(jué)檢測(cè)與識(shí)別比賽、雨雪霧行駛場(chǎng)景下交通參與者視覺(jué)檢測(cè)與識(shí)別以及阿里天池的小樣本商標(biāo)檢測(cè)挑戰(zhàn)賽。
張鈞杰對(duì)此次參賽感受比較深刻的有兩點(diǎn)：一是排行榜實(shí)時(shí)刷新，比賽更透明，也讓選手更有沖勁；二是“這次比賽因?yàn)橛袑?duì)速度的要求，所以對(duì)于顯卡的要求不是很高，用的baseline也是我比較熟悉的yolov5，這個(gè)比賽也非常具有實(shí)際意義，所以非常適合我們參加?！?/p>
對(duì)于初賽提交的方案，張鈞杰用中規(guī)中矩來(lái)形容。訓(xùn)練階段用的都是一些常見(jiàn)的數(shù)據(jù)增強(qiáng)手段，然后對(duì)學(xué)習(xí)率、優(yōu)化器等參數(shù)進(jìn)行精細(xì)調(diào)整。談到比賽過(guò)程中的難點(diǎn)，他表示:“賽題中對(duì)于FPS的要求是一個(gè)比較難的點(diǎn)，這要求我們?cè)诰扰c速度之間進(jìn)行平衡。如何保證速度達(dá)標(biāo)的情況下仍然能夠展現(xiàn)出良好的性能是這個(gè)比賽的關(guān)鍵所在?！?/p>
在參加這次比賽的過(guò)程中張鈞杰看了很多相關(guān)的論文博客，從中學(xué)到了很多東西。比賽還創(chuàng)造了自己和其他參賽選手交流的機(jī)會(huì)。邊打比賽邊學(xué)習(xí)，自己能力得到了很大的提升，這種感覺(jué)很棒！他透露，進(jìn)入復(fù)賽后，打算嘗試更多的數(shù)據(jù)增強(qiáng)手段，希望隊(duì)伍能取得好成績(jī)。
沈飛：“科研立項(xiàng)”是大賽最特殊的獎(jiǎng)勵(lì)
南京理工大學(xué)智能媒體分析實(shí)驗(yàn)室（IMAG）博士一年級(jí)學(xué)生沈飛的團(tuán)隊(duì)是此次初賽的第二名。沈飛坦言，自己打比賽有兩三年了，像此次目標(biāo)檢測(cè)類的比賽也打過(guò)很多次，所以對(duì)賽事很了解，并且也拿到過(guò)一些國(guó)際、國(guó)內(nèi)大賽的好名次。此次來(lái)打比賽，首要是因?yàn)橘愂轮鬓k方是太湖實(shí)驗(yàn)室。比賽很透明，公平性好，而且影響力大。此外，這個(gè)比賽最特殊、也是吸引沈飛的地方就是“科研立項(xiàng)”——太湖實(shí)驗(yàn)室給出了按照國(guó)家自然科學(xué)基金重大項(xiàng)目立項(xiàng)標(biāo)準(zhǔn)，為獲獎(jiǎng)團(tuán)隊(duì)在賽題方向提供不少于100萬(wàn)元科研立項(xiàng)支持！
沈飛主攻人工智能目標(biāo)檢測(cè)類方向。在比賽過(guò)程中，他們遇到了兩個(gè)比較大的挑戰(zhàn)：首先是來(lái)自的數(shù)據(jù)挑戰(zhàn)，如：背景復(fù)雜導(dǎo)致的目標(biāo)物體虛化、光照和角度變化、樣本稀少不均衡、樣本標(biāo)注誤差較大等問(wèn)題。針對(duì)數(shù)據(jù)問(wèn)題，團(tuán)隊(duì)使用了豐富的數(shù)據(jù)增強(qiáng)技術(shù)，包括傳統(tǒng)的圖像翻轉(zhuǎn)、對(duì)比度、飽和度調(diào)整擴(kuò)充；使用了中值濾波進(jìn)行噪聲抑制；使用了mixup混合圖像增加抗擬合性。此外在FPN階段還使用了之前科研的成果，即圖卷積來(lái)增強(qiáng)局部特征提取能力。
第二個(gè)挑戰(zhàn)是來(lái)自比賽限時(shí)30FPS，讓他們面臨速度和精度的平衡挑戰(zhàn)。對(duì)此，他表示，初賽的模型暫時(shí)能滿足要求，后續(xù)會(huì)考慮使用知識(shí)蒸餾，進(jìn)行教師-學(xué)生網(wǎng)絡(luò)的學(xué)習(xí)；模型剪枝量化、TensorRT等技術(shù)進(jìn)行模型加速。同時(shí)，他們?cè)趶?fù)賽時(shí)可能會(huì)考慮采用對(duì)抗生成網(wǎng)絡(luò)進(jìn)行樣本擴(kuò)充。通過(guò)截取訓(xùn)練樣本中數(shù)目少的類別目標(biāo)圖像，利用生成對(duì)抗網(wǎng)絡(luò)生成大量異構(gòu)的目標(biāo)圖像并融合到背景圖像中作為訓(xùn)練樣本，豐富目標(biāo)信息。
許可：大賽給我指明了新的學(xué)習(xí)方向
浙江大學(xué)軟件學(xué)院人工智能專業(yè)研一學(xué)生許可和他的三名同學(xué)組成的團(tuán)隊(duì)獲得了初賽的第三名。許可曾參加過(guò)諸如圖像分析類競(jìng)賽，但是目標(biāo)檢測(cè)類的還是首次。作為人工智能專業(yè)研究生，許可平時(shí)學(xué)的主要是傳統(tǒng)視覺(jué)優(yōu)化。此次參賽，團(tuán)隊(duì)不僅沖著大賽誘人的獎(jiǎng)金，也是想借著比賽實(shí)現(xiàn)從傳統(tǒng)方法到深度學(xué)習(xí)的跨越。
在初賽中，許可介紹說(shuō)，團(tuán)隊(duì)主要用的都是很成熟的技術(shù)，其中有4點(diǎn)提分比較高點(diǎn)。首先是多尺度訓(xùn)練和測(cè)試時(shí)增強(qiáng)（tta），這個(gè)比較常見(jiàn)，多尺度訓(xùn)練能讓模型適應(yīng)不同尺寸的目標(biāo)，而tta對(duì)于一張測(cè)試圖像，將不同尺度下所得到的bbox放在一起做nms，能夠有效提高mAP。然后是multi-lable，因?yàn)樗麄冇^察到很多船只十分的模糊，人眼都無(wú)法分辯。還有就是merge-nms，對(duì)于置信度比較低的bbox，不直接刪除，而是通過(guò)iou對(duì)最終的bbox坐標(biāo)進(jìn)行加權(quán)，這是針對(duì)數(shù)據(jù)集中bbox的標(biāo)注不夠精確，并且計(jì)算量也不大。最后是Swa（模型參數(shù)平均）， 能讓模型更具泛化性，有著ensemble的效果但不增加計(jì)算量。
許可坦言，初賽由于有比較多的代碼可以參考，所以任務(wù)實(shí)現(xiàn)起來(lái)問(wèn)題并不是太大。進(jìn)入復(fù)賽后，他們將從模型和數(shù)據(jù)增強(qiáng)兩方面做些提升。模型方面，可以通過(guò)加上attention模塊，或者把分類頭解耦，回歸和分類不再共享參數(shù)；對(duì)于數(shù)據(jù)增強(qiáng)，初賽時(shí)并沒(méi)有找到比較好的數(shù)據(jù)增強(qiáng)方法。此外，復(fù)賽任務(wù)是視頻目標(biāo)檢測(cè)，這一方面他們還需要多做些了解。
經(jīng)過(guò)短暫的休整，2022年7 月 16 日，船海數(shù)據(jù)智能應(yīng)用創(chuàng)新大賽決賽將正式啟動(dòng)。在接下來(lái)的兩個(gè)月時(shí)間里，最終將從兩組各30個(gè)晉級(jí)隊(duì)中選出10個(gè)決賽入圍團(tuán)隊(duì)。2022年9月底，決賽隊(duì)伍將經(jīng)過(guò)現(xiàn)場(chǎng)路演答辯，經(jīng)專家組評(píng)選出最終獲獎(jiǎng)名單。屆時(shí)，還將邀請(qǐng)行業(yè)大咖面對(duì)面講座，與參賽選手進(jìn)行學(xué)術(shù)交流?！俺踬悆H僅是決賽的一個(gè)門(mén)檻，名次和決賽結(jié)果并不能掛鉤！”面對(duì)決賽，不少選手已經(jīng)在準(zhǔn)備放大招。在這場(chǎng)高手云集的頂級(jí)賽事里，頭腦風(fēng)暴帶來(lái)的變數(shù)是常態(tài)，讓我們期待選手們帶來(lái)更多驚喜的表現(xiàn)。
作為本次大賽的評(píng)委。華為機(jī)器視覺(jué)算法專家竇昊博士講到，航海創(chuàng)新大賽的賽題貼近真實(shí)船海場(chǎng)景的應(yīng)用需求，對(duì)關(guān)鍵船海目標(biāo)進(jìn)行識(shí)別和檢測(cè)，有助于無(wú)人船等船海技術(shù)的應(yīng)用和推廣。選手在初賽中各顯其能，產(chǎn)生出不少有亮點(diǎn)的解決方案，從理解數(shù)據(jù)、應(yīng)用數(shù)據(jù)、優(yōu)化模型、優(yōu)化效率等角度做出了很多創(chuàng)新。在即將開(kāi)展的決賽中，選手將面對(duì)真實(shí)采集的視頻場(chǎng)景，挑戰(zhàn)雨霧、風(fēng)浪、距離對(duì)成像的干擾，希望選手持續(xù)創(chuàng)新，克服真實(shí)場(chǎng)景難題，達(dá)成優(yōu)異的成績(jī)。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。 ）
