近日，在Kaggle上舉辦的CVPR 2019 Cassava Disease Classification挑戰(zhàn)賽公布了最終結(jié)果,深蘭科技DeepBlueAI團隊榮獲冠軍。據(jù)介紹，國際計算機視覺與模式識別會議(CVPR)是IEEE一年一度的學(xué)術(shù)性會議，會議的主要內(nèi)容是計算機視覺與模式識別技術(shù)，是世界頂級的計算機視覺會議之一。每年被收錄的論文均來自計算機視覺領(lǐng)域頂級團隊，代表著國際最前沿的科研技術(shù)，并指引著計算機視覺領(lǐng)域未來的研究方向。今年此次挑戰(zhàn)賽共有來自全球88個團隊參與，提交了超過1300份方案。
Cassava Disease Classification挑戰(zhàn)賽由FGVC舉辦，作為計算機視覺頂會CVPR的Workshop，其全稱為Fine-Grained Visual Categorization(細(xì)粒度圖像分類),是機器視覺社區(qū)剛剛開始解決的最有趣和最有用的開放問題之一。CVPR 2019在洛杉磯長灘舉行，該Workshop也作為 CVPR 2019 的一部分如期召開。FGVC6 Workshop 共有十個挑戰(zhàn)賽，每個都代表了細(xì)粒度視覺分類在某個細(xì)分領(lǐng)域的挑戰(zhàn)，這些比賽為日后真正解決細(xì)粒度圖像分類提供了大量的技術(shù)方法和實現(xiàn)方式，對解決細(xì)粒度圖像分類問題具有重要意義。
Cassava Disease Classification挑戰(zhàn)賽榜單，深蘭科技DeepBlueAI團隊排名第一
關(guān)于細(xì)粒度圖像分類及用途，簡單來說普通的分類問題只專注于區(qū)別出目標(biāo)的大類，比如貓和狗，花和樹等。但是細(xì)粒度分類需要識別并區(qū)分非常精細(xì)的子類別。例如深蘭的商品識別模型中，不僅需要像一般識別問題那樣檢測出例如蘋果，菠蘿的大分類，同時還需要檢測出具體屬于哪一類蘋果，如富士，煙臺等。而通常屬于不同子類別的識別是非常相似的，例如富士，秦冠，富寒等等，我們不僅需要整體信息來識別它是「蘋果」，同時還需要局部信息來確定「蘋果」的品種。
據(jù)冠軍團隊DeepBlueAI隊伍介紹“深蘭團隊的方法應(yīng)用在工業(yè)上，可以進一步提高不同物體的識別精度，特別是對區(qū)分相似類別的物體具有比較大的意義，如高速公路上識別不同車輛的型號、在野外識別不同物種、商店購物時識別不同的商品，細(xì)粒度圖像分析在這些任務(wù)里面都扮演著極為重要的角色。”
作為致力于人工智能基礎(chǔ)研究和應(yīng)用開發(fā)的獨角獸公司，深蘭科技近來頻頻在國際賽事中摘得榮譽。除了該項挑戰(zhàn)賽，同期深蘭科技還在在CVPR 的另外兩項比賽2019 Workshop on Autonomous Driving (WAD) D²-City & BDD100K Tracking Domain Adaptation Challenge and the D²-City & BDD100K Detection Domain Adaptation Challenge.(目標(biāo)檢測遷移學(xué)習(xí)、目標(biāo)跟蹤遷移學(xué)習(xí)挑戰(zhàn)賽和大規(guī)模檢測插值探索賽)分獲亞軍和季軍。據(jù)悉，今年深蘭科技此前還分別摘得PAKDD 2019 AutoML3+ 挑戰(zhàn)賽以及IEEE ISI World Cup 2019冠軍。
目前，中國已成為人工智能專利布局最多的國家。以深蘭科技為代表的中國企業(yè)在基礎(chǔ)研究的布局上的亮眼表現(xiàn)，正在不斷刷新著中國AI技術(shù)的高度。
- 蜜度索驥：以跨模態(tài)檢索技術(shù)助力“企宣”向上生長
- 比亞迪第五代DM技術(shù)問世，首搭秦L/海豹06 DM-i，開創(chuàng)油耗2時代！
- 小紅書沉帖降權(quán)怎么做，有效方法大盤點！
- 亞洲時刻京東送上電視好禮 以舊換新一體化服務(wù)讓低價更靠譜
- 互聯(lián)網(wǎng)營銷師和全媒體運營師的區(qū)別?
- 聯(lián)想集團車計算“超級大腦”概念機亮相
- 華策影視設(shè)立專項基金成立AIGC應(yīng)用研究院
- 三部委審批，聯(lián)合發(fā)布9個新職業(yè)，“互聯(lián)網(wǎng)營銷師”上榜
- 互聯(lián)網(wǎng)營銷師的報考條件是什么？
- 互聯(lián)網(wǎng)營銷師的適合人群有哪些？
- 互聯(lián)網(wǎng)營銷師行業(yè)前景怎么樣？
免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(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，讀者在使用前請進一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。
