百度視覺團隊“喜提”谷歌AI目標檢測競賽冠軍！

　　9月13日消息 據(jù)相關(guān)媒體報道，百度視覺團隊近日在最大規(guī)模目標檢測競賽Google AI Open Images-Object Detection Track中擊敗眾多對手成功獲得冠軍。此外，百度視覺團隊還受邀出席頂級視覺學術(shù)會議ECCV2018，并進行了分享！下面讓我們來了解一下。

　　據(jù)悉，Google AI Open Images-Object Detection Track是大規(guī)模圖像檢測任務(wù)的權(quán)威挑戰(zhàn)賽事，由Google AI Research舉辦，賽事遵循 PASCAL VOC、ImageNet和COCO等賽事傳統(tǒng)，但數(shù)據(jù)規(guī)模遠大于這些賽事。

　　大賽采用Google今年5月份發(fā)布的Open Images V4數(shù)據(jù)集作為訓練數(shù)據(jù)集，其中包含超過170萬的圖片數(shù)據(jù)，500個類別以及超過1200萬物體框。據(jù)了解，Open Images V4數(shù)據(jù)集的類別分布廣泛且不均勻，這意味著參加競賽的團隊不能統(tǒng)一對所有類別做處理，而是需要考慮到類別分布的實際情況，這一點也更加貼近現(xiàn)實世界中的場景。

　　與傳統(tǒng)的檢測數(shù)據(jù)集合相比，該賽事除了數(shù)據(jù)規(guī)模大、更真實之外，還存在一系列的挑戰(zhàn)。具體來說，主要集中在數(shù)據(jù)分布不均衡、漏標框和尺度變化大三個方面。

　　由于Open Images V4數(shù)據(jù)集的規(guī)模相當龐大，百度視覺團隊在訓練過程中分別進行了全集數(shù)據(jù)訓練、固定框選子集訓練、動態(tài)采樣模型訓練三種策略進行，其中動態(tài)采樣通過樣本數(shù)量的變化增減采樣的概率，從而有效縮短模型訓練時間；為了更好地實現(xiàn)圖像檢測效果，百度視覺團隊在訓練過程中通過動態(tài)采樣、FPN、模型融合等不同策略有效解決了各種技術(shù)問題。

　　另外，還有業(yè)內(nèi)分析人士指出，大規(guī)模目標檢測不論是在學術(shù)圈還是工業(yè)界均為計算機視覺極為重要的基礎(chǔ)技術(shù)，通過這一技術(shù)，軟硬件應(yīng)用產(chǎn)品可以深度定位圖片中的物體位置以及類別，并在新零售、通用多物品識別等場景得以應(yīng)用。