站長資訊網近日，全球計算機視覺頂會CVPR 2020首次召開線上大會，百度不僅入選22篇接收論文，一舉拿下8項挑戰賽冠軍，涵蓋視頻動作分析、動作識別、圖像增強、智慧城市等多個領域，還主辦了2場重量級學術Workshop，在國際舞臺盡顯中國AI硬實力。這不僅從側面反映了百度傾斜AI「新基建」的策略已有成效，也再次讓中國自有的深度學習平臺飛槳閃耀全球。更多信息請參見百度CVPR2020線上主頁：http://cvpr20.com/sponsor/beijing-baidu/。
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，憑借著嚴苛的論文錄取標準，躋身全球AI頂會之流。實際上，CVPR是全球參與者檢驗自身AI「基本功」的試金石。受到全球疫情影響，CVPR 2020改為6月14-19日舉行線上大會;讓人喜出望外的是，華人學者及團隊大放異彩，組成「中國軍團」向全球展示AI實力。
作為「中國AI頭雁」，百度已多年連續出征CVPR，驕人成績一如既往。CVPR2020上，大會論文錄取率僅有22%，百度入選22篇論文，較上年增加5篇;在視頻動作分析、動作識別、圖像增強、智慧城市等挑戰賽中，百度與全球科技巨頭同臺競技，斬獲8項世界冠軍，站上計算機視覺「頂流」之席;同時，百度還舉辦2場高水準Workshop，并有多篇Workshop論文被接收。
百度不僅通過多種形式深度參與CVPR 2020，也積極為推動行業技術發展做貢獻。在全球經濟發展重心逐漸偏移智能經濟，中國聚焦AI「新基建」時，百度已準備充分。在CVPR 2020上，百度正在依托包括百度大腦、飛槳等新型AI技術基礎設施，獲得不俗成績;此后也將秉持開源、共贏原則，為中國AI行業輸出「車輪」，推動AI「新基建」發展。接下來回到AI競賽的試煉場，看看百度的AI「基本功」。
百度斬獲8項競賽奪冠 大秀中國AI水平
CVPR2020覆蓋計算機視覺眾多熱門子領域，其中，百度參與并奪冠多個領域的挑戰賽：
1、 視頻動作分析挑戰賽，專注于提升視頻標注效率;
2、 動作識別挑戰賽，技術成果可廣泛用于可穿戴設備和智能家居;
3、 圖像增強挑戰賽，可有效提高視頻質量;
4、 智慧城市挑戰賽，可有效優化現有城市交通管理，提升管理效率，推動智能化進程。
百度奪冠的具體挑戰賽及其賽道如下圖所示，共計奪冠8項冠軍。
百度勇奪CVPR2020挑戰賽8項世界冠軍
ActivityNet2020挑戰賽
ActivityNet挑戰賽是視頻理解領域最具影響力賽事，其中的時序動作定位賽道(弱監督)(HACS temporal action localization —Track2: weakly supervised)主要考驗參賽者能否通過弱標簽、弱監督方式有效提升現有視頻動作檢測算法的效率。百度最終擊敗其余參賽隊伍，以mAP39.29的得分位居第一。
百度拿下ActivityNet2020挑戰賽時序動作定位賽道冠軍
這項比賽中，百度通過自研BMN模型對視頻序列提取候選框，并結合弱標簽訓練數據，提出級聯金字塔注意力網絡進行打標簽動作，兩者結合最終獲取片段定位及動作標簽。該技術對高效的視頻數據使用具有指導意義，可應用于視頻Highlight檢測、精彩集錦等多個場景。
EPIC-Kitchens2020挑戰賽
EPIC-Kitchens2020挑戰賽聚焦于第一人稱視頻理解，其技術可廣泛應用于可穿戴設備、智能家居、人機交互等方面。在這次挑戰賽的動作識別(Action Recognition)賽道中，百度打敗三星劍橋AI研究院、牛津大學、佐治亞理工大學等40+支隊伍，最終在Seen kitchens和Unseen kitchens兩項測試集上均以第一名的成績摘獲冠軍。
百度拿下EPIC-Kitchens2020挑戰賽動作識別賽道冠軍
針對比賽中第一人稱視頻小物體多、相機運動模糊嚴重等難點，百度提出共生注意力機制和以物體為中心的對齊模塊，大幅提升3D卷積網絡的性能。該方法可在多種視頻Backbone和輸入模態下取得一致的性能提升。
NTIRE2020挑戰賽
NTIRE(New Trends in Image Restoration and Enhancement)是近年來計算機圖像修復領域最具影響力的一場賽事，每年都會吸引大量的關注者和參賽者。百度積極參與NTIRE2020挑戰賽，并在2項賽道上拿下冠軍：
1、 真實圖像降噪賽道(Real Image Denoising rawRGB Track)
2、 視頻質量映射賽道(Video Quality Mapping—Track1: Supervised)
真實圖像降噪賽道
圖像降噪作為計算機視覺熱門領域，在視頻監控、無人駕駛、移動可穿戴設備、遙感及醫學圖像分析等領域應用廣泛。對于NTIRE2020挑戰賽的真實圖像降噪賽道(Real Image Denoising rawRGB Track)，其首要目標是去除或糾正圖像上的噪聲信息，百度最終以第一的成績達成目標，奪得冠軍。
百度拿下NTIRE2020挑戰賽真實圖像降噪賽道冠軍
針對該項競賽，百度設計了多跳躍連接的密集殘差模塊學習不同分辨率下的特征表達，并通過創新性mosaic-stride模塊提升rawRGB的降噪能力，同時使用分布式SA-NAS搜索最優的模型結構;其中，SA-NAS搜索方法是百度首次把NAS技術應用于圖像降噪領域。
視頻質量映射賽道
視頻質量映射賽道(Video Quality Mapping—Track1: Supervised)關注于圖片視頻底層視覺技術的關鍵問題。這一技術可有效提高視頻質量，提升用戶觀看體驗。百度憑借過硬的視覺技術和經驗積累，取得了該賽道的冠軍成績。
百度拿下NTIRE2020挑戰賽視頻質量映射賽道冠軍
針對該賽道的問題，百度通過把現有EDVR模型思路與CNN網絡結構DenseNet相結合，利用DenseNet提取視頻的圖片特征，融合CNN淺層與深層特征，從而實現更強的表達能力;EDVR模型則完成了視頻幀之間信息交換，對齊幀間信息，實現信息共享與互補。
AI CITY2020挑戰賽
AI CITY2020挑戰賽由英偉達、亞馬遜、馬里蘭大學等主辦，主要集中在交通相關的車輛跟蹤、再識別、異常事件分析等應用場景。AI CITY智慧城市挑戰賽的4項比賽中，全球共有315支隊伍參加，其中不乏阿里、滴滴、松下、卡內基梅隆大學等一流科技巨頭和高校。百度共參戰3項競賽，最終技壓群雄，全部取得了冠軍成績：
1、 車流統計(Track 1：Multi-Class Multi-Movement Vehicle Counting)
2、 車輛再識別(Track 2：City-Scale Multi-Camera Vehicle Re-Identification)
3、異常事件檢測(Track 4：Traffic Anomaly Detection)
百度勇奪AI CITY挑戰賽三項冠軍
車流統計賽道
在車流統計賽道中，參賽者需要解決車輛遮擋、復雜天氣下的視覺差異等問題。百度提出“檢測-跟蹤-計數”結合的車流統計算法流程，有效解決了檢測框丟失和ID翻轉問題。在車流統計環節，提出基于數據驅動的軌跡匹配分類算法使統計結果更準確。
百度從運算用時、運算速度等維度均位列第一，奪得該賽道冠軍。而這一套算法模型，則離不開百度在城市交通大腦方面的數據積累和洞察，在保定市百度AI交管大腦項目中，智慧信控系統有效提升了交通效率的20%-30%。
車輛重識別賽道
車輛重識別旨在確認智能交通系統中的車輛身份，在城市安全場景中發揮著不可替代的作用。該賽道基于真實場景數據，對參賽者提出監控視角變化大、標注數據少等挑戰。百度憑借智慧城市領域的技術優勢，以明顯優勢甩開41支參賽隊，最終以mAP 84.13%的成績登臨首位。
為應對任務挑戰，百度設計了基于多任務多分支的網絡模型，并結合多源信息融合的重識別技術方案。在數據方面，使用風格遷移、圖像內容編輯、背景替代等多種方法生成合成數據，以彌補訓練數據不足的問題。
異常事件檢測賽道
異常事件檢測賽道主要考驗參賽者對交通場景的復雜性、交通流的密集混亂性、天氣和車輛大小的多樣性以及異常標注數據缺乏等問題的解決能力。此技術可以提前發現潛在的交通風險、提前預警交通管理部門、提升交通風險的處理能力和效率。百度在該賽道表現優異，取得98.5%的F1成績，均方根誤差為4.8737，比賽成績排名第一。
針對此挑戰賽，百度通過模塊化的多粒度跟蹤方法，將跟蹤問題解耦成不同子問題，利用不同模塊來處理不同子任務，同時將視頻進行正序和逆序分別建模，最后利用一種融合和回溯優化方法，將多個子任務以及正序、逆序的模型進行融合得到最終異常事件的定位結果。
MOTS2020挑戰賽
MOTS (Multi-Object Tracking and Segmentation) 多目標跟蹤與實例分割挑戰賽由德國慕尼黑大學、德國亞琛工業大學、ETH聯合舉辦，是多目標跟蹤方向的權威競賽。該挑戰賽均是計算機視覺頂會CVPR的議程之一，可以直觀反映參賽者真實的應用能力。百度最終憑借原創自研的領先技術，拿下KITTI-MOTS賽道賽道冠軍
百度拿下KITTI-MOTS競賽冠軍
KITTI-MOTS賽道是自動駕駛權威數據集KITTI中多目標跟蹤任務的擴展，也是首個同時提供實例分割以及多目標跟蹤標注的公開數據集。在KITTI-MOTS競賽中，百度提出新型方法PointTrack++，在行人和車輛兩個類別中均取得冠軍。
具體而言，PointTrack++包括視頻實例分割、掩膜特征提取以及多目標關聯跟蹤等技術，突破性地把3D點云分析融入2D MOTS任務之中，首次實現實時在線的MOTS算法，并在車輛場景測評指標上領先第二名3個百分點以上，實現SOTA結果。
百度舉辦2場高水準Workshop 推進學術交流
Learning from Imperfect Data (LID) Workshop主要討論如何在不完美數據標注的條件下，通過機器學習算法訓練出高精度的視覺識別模型。百度作為LID Workshop組織者，參與設計了弱監督物體分割、弱監督場景解析、弱監督物體定位三項競賽(Track)。值得一提的是，兩支冠軍隊伍提交了基于飛槳的代碼。
CVPR2020 workshop on Media Forensics由百度聯合舉辦，旨在發揮人臉防偽檢測保護人臉識別系統免受惡意攻擊的重要作用，并吸引來自學界/業界共340支參賽隊伍，最終有19支隊伍進入決賽并提交了模型與代碼。百度已經連續兩次(2019和2020年)獨家贊助該競賽。
百度聚焦AI新基建 助攻各項技術登上國際舞臺
近年來，AI國際頂會上的中國聲音日益響亮，中國AI企業、開發者及高校紛紛在CVPR2020上交出滿意答卷。百度作為中國AI行業頭雁，更是通過舉辦AI國際頂會研討會，鼓勵開發者使用飛槳進行參賽和科研開發，以更主動的姿態深入參與到全球AI行業的發展之中，代表中國AI行業「最強音」站上國際舞臺。
著眼全球科技競技，人工智能將成為全新「賽點」，AI「新基建」也成為中國經濟發展的關鍵一環。百度已搭建起以百度大腦、飛槳、智能云等為代表的AI平臺，將進一步推動智能交通、智慧城市、智慧金融、智慧能源、智慧醫療、工業互聯網和智能制造等領域實現產業智能化升級，成為中國乃至全球的AI創新者和推動者。
特別提醒：本網內容轉載自其他媒體，目的在于傳遞更多信息，并不代表本網贊同其觀點。其原創性以及文中陳述文字和內容未經本站證實，對本文以及其中全部或者部分內容、文字的真實性、完整性、及時性本站不作任何保證或承諾，并請自行核實相關內容。本站不承擔此類作品侵權行為的直接責任及連帶責任。如若本網有任何內容侵犯您的權益，請及時聯系我們，本站將會在24小時內處理完畢。
