动态 | 商汤 37 篇论文入选 ECCV 2018,开源 mm-detection 检测库

AI 科技评论消息,9 月 8 日-14 日,2018 欧洲计算机视觉大会(ECCV 2018)在德国慕尼黑召开,ECCV 每两年举办一次,与 CVPR、ICCV 共称为计算机视觉领域三大顶级学术会议,每年录用论文约 300 篇。根据 ECCV 2018 宣布的最终结果,商汤科技及联合实验室共有 37 篇论文入选,主要集中在以下领域:大规模人脸与人体识别、物体检测与跟踪、自动驾驶场景理解与分析、视频分析、3D 视觉、底层视觉算法、视觉与自然语言的综合理解等。此外,商汤科技在 2018 年 COCO 比赛物体检测(Detection)项目中夺得冠军,开源 mm-detection 检测库。凭借以上事项,商汤科技在雷锋网旗下学术频道 AI 科技评论数据库产品「AI 影响因子」中有相应加分。

在商汤入选 ECCV 2018 论文《人脸识别的瓶颈在于数据集噪声(The Devil of Face Recognition is in the Noise)》中,对于现有人脸数据集中的标签噪声问题进行了深入研究,对 MegaFace 和 MS-Celeb-1M 数据集中的噪声特性和来源做了全面的分析,发现干净子集对于提高人脸识别精度效果显著。

在入选论文《量化模仿-训练面向物体检测的极小 CNN 模型(Quantization Mimic: Towards Very Tiny CNN for Object Detection)》中,提出了一种简单而通用的框架—量化模仿,来训练面向物体检测任务的极小 CNN 模型。作者提出联合模仿与量化的方法来减小物体检测 CNN 模型的参数量实现加速。在有限计算量的限制下,该框架在 Pascal VOC 和 WIDER Face 数据集的物体检测性能均超越了当前物体检测的先进水平。

在 2018 年的 COCO 比赛中,商汤科技研究员和香港中文大学-商汤联合实验室同学组成的团队在物体检测(Detection)项目中夺得冠军。在此次竞赛中,商汤团队开发了如下三项全新技术,获得了大幅度的性能提升:

(1)新的多任务混合级联架构(hybrid cascade)。通过把不同子任务进行逐级混合,这种新架构有效地改善了整个检测过程中的信息流动。

(2)通过特征导引产生稀疏锚点,而不是使用传统的规则分布的密集锚点。这种特征导引的方案使得锚点的投放更为精准,平均召回率提升了超过10个百分点。

(3)采用一种新型的FishNet网络结构,它有效地保留和修正多个尺度的信息,能更有效地用于图像级,区域级,以及像素级预测任务。

在 test-dev 上,商汤团队对上述框架进行了全面测试,其中单模型和多模型(最终提交的结果来自于五个模型混合的框架)的 mask AP 分别达到了 47.4% 和 49.0%,比去年冠军(也是商汤团队获得)的结果(44.0% 和 46.3%)有约 3 个百分点的明显提高。在传统的基于检测框的指标 bbox AP 上,这个新的框架也分别达到了单模型 54.1% 和多模型的 56.0% 的性能,比去年冠军的结果(50.5% 和 52.6%)也有较大的提升。

此外,在 ECCV 期间,香港中文大学-商汤联合实验室还开源了检测库 mm-detection(https://github.com/open-mmlab/mmdetection),这个开源库提供了已公开发表的多种视觉检测核心模块,通过这些模块的组合,可以迅速搭建出各种著名的检测框架,比如 Faster RCNN,Mask RCNN 和 R-FCN 等,以及各种新型框架,从而大大加快检测技术研究的效率。

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2018-09-11

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏新智元

目标检测竞赛利器:中星微一步法模型获国际算法竞赛第一名!

【新智元导读】近日,在国际计算机视觉竞赛PASCAL VOC,中星微以89.0分的总成绩位列第一,获得目标检测单模型第一名。获胜的模型是一步法的目标检测模型,本...

710
来自专栏BestSDK

机器学习精华,10问10答

给新人的学习建议 1. 你建议其他领域的人(比如机械工程)来学习机器学习吗? Ian Goodfellow:当然了!我最崇拜的Geoffrey Hinton在...

3646
来自专栏GAN&CV

为什么深度学习几乎成了计算机视觉研究的标配?

本文转载自:https://zhuanlan.zhihu.com/p/21533690

1902
来自专栏量化投资与机器学习

【全网首发】——机器学习该如何应用到量化投资系列(一)

有一些单纯搞计算机、数学或者物理的人会问,究竟怎么样应用 ML 在量化投资。他们能做些什么自己擅长的工作。虽然在很多平台或者自媒体有谈及有关的问题,但是不够全面...

3758
来自专栏量子位

这个AI能预测未来并生成逼真的视频(论文来自谷歌大脑、北航等)

问耕 若朴 编译整理 量子位 报道 | 公众号 QbitAI 先展示成果。下面是一组动图,展示的是AI如何根据一段视频,脑补出未来64帧的画面。 观看说明:当视...

4476
来自专栏华章科技

画个草图生成2K高清视频,这份效果惊艳的研究值得你跑一跑

导读:在图像到图像合成的研究领域热火朝天的当下,英伟达又放大招,联合 MIT CSAIL 开发出了直接视频到视频的转换系统。

1162
来自专栏数据派THU

悉尼大学陶大程:遗传对抗生成网络有效解决GAN两大痛点

悉尼大学教授、澳大利亚科学院院士、优必选人工智能首席科学家陶大程博士在9月20日的AI WORLD 2018世界人工智能峰会上发表《AI破晓:机遇与挑战》的主题...

1795
来自专栏机器之心

初学者必读:IBM长文解读人工智能、机器学习和认知计算

选自IBM 机器之心编译 参与:吴攀、黄小天、Nurhachu Null 人工智能的发展曾经经历过几次起起伏伏,近来在深度学习技术的推动下又迎来了一波新的前所...

4547
来自专栏企鹅号快讯

除了深度学习,你还应该了解这些发展方向

译者|严子怡 编辑|Emily AI 前线导读:毫无疑问,AI 的终极未来是达到并超越人类的智能。但是,这是一个非常遥远的目标。即使我们之中最乐观的人,也只敢打...

2246
来自专栏小詹同学

深入浅出谈谈深度学习~

深度学习第①篇(文末附大量资料) ? 一、深度学习的起源与概念 深度学习的概念由Hinton等人于2006年提出。深度学习可以简单理解为传统神经网络的拓展。如下...

3516

扫码关注云+社区

领取腾讯云代金券