CVPR（國際計算機視覺(jué)與模式識別會(huì )議）是由 IEEE 主辦的一年一度的世界頂級計算機視覺(jué)學(xué)術(shù)性會(huì )議。近日，創(chuàng )新奇智團隊參加的CVPR - FGVC10（細粒度視覺(jué)分類(lèi)）研討會(huì )PlantTraits挑戰賽比賽結果揭曉。創(chuàng )新奇智在多個(gè)參賽隊伍中脫穎而出，成功斬獲世界冠軍。在本次比賽中，創(chuàng )新奇智團隊表現出色，在PlantTraits賽道樣本數據量極少的情況下，利用遷移學(xué)習技術(shù)以及提出一種創(chuàng )新性的架構設計，取得了突破性進(jìn)展，為視覺(jué)識別任務(wù)的性能提升做出了新的貢獻。CVPR是計算機視覺(jué)領(lǐng)域全球三大會(huì )議之一。大賽受到了國內外學(xué)術(shù)界和產(chǎn)業(yè)界的廣泛關(guān)注，自3月份開(kāi)賽以來(lái)，共有來(lái)自全世界多個(gè)國家和地區超過(guò)1500個(gè)團隊報名參賽。本屆CVPR-FGVC10研討會(huì )由丹麥哥本哈根大學(xué)、美國加州理工學(xué)院、英國愛(ài)丁堡大學(xué)、美國麻省理工學(xué)院、英國倫敦大學(xué)學(xué)院、捷克共和國皮爾森西波西米亞大學(xué)、北京大學(xué)、Meta(Facebook)、Google等知名高校及機構聯(lián)合主辦。
PlantTraits 2023是隸屬于CVPR 2023 FGVC細粒度挑戰賽的分支，是國際人工智能和計算機視覺(jué)領(lǐng)域的旗艦學(xué)術(shù)賽事，由德國萊比錫大學(xué)地球系統研究遙感中心（RSC4Earth, Leipzig University, Germany）主辦。PlantTraits 2023挑戰賽旨在探索從有限的植物性狀數據中預測全球范圍內的植物性狀，以及整個(gè)生態(tài)系統將如何對氣候變化做出反應。賽事要求利用植物的圖像并結合植物生長(cháng)環(huán)境與植物形狀之間的關(guān)系預測出植物性狀。賽題給定植物圖像數據、植物生長(cháng)環(huán)境信息以及植物性狀的均值與方差進(jìn)行模型訓練，要求參賽者使用深度學(xué)習的回歸模型從植物照片中預測植物屬性，比如長(cháng)度、發(fā)芽率等30余項屬性。主辦方將根據各參賽隊伍提交的植物性狀文件計算出平均R2進(jìn)行排名。
直接對植物性狀進(jìn)行回歸是十分復雜的，通過(guò)分析發(fā)現，對于相同類(lèi)別的植物，其性狀的分布范圍會(huì )更小，而可以預測出植物的類(lèi)別又是至關(guān)重要的。因此不同于以往的回歸任務(wù)，創(chuàng )新奇智團隊首先利用分類(lèi)任務(wù)確定植物的類(lèi)別，再依據后處理得到植物性狀，從而極大提升模型性能。該任務(wù)的一大難點(diǎn)在于數據量極少，單一類(lèi)別植物至多只有6張圖像與之對應。為了解決上述問(wèn)題，創(chuàng )新奇智團隊選取ConvNeXtV2模型作為骨干網(wǎng)絡(luò )(backbone)?？紤]到該任務(wù)為植物細粒度回歸任務(wù)，因此首先采用遷移學(xué)習(Transfer Learning)方法，在iNaturelist數據集上對該模型進(jìn)行預訓練，有效提升了該模型在植物特征提取方面的能力。同時(shí)，為了有效地利用植物生長(cháng)環(huán)境等數據，團隊對這些meta數據進(jìn)行了歸一化。在通過(guò)ConvNeXtV2網(wǎng)絡(luò )提取出圖像特征和將歸一化后的meta數據拼接到圖像特征之后，然后再通過(guò)多層感知機（MLP）對特征進(jìn)行充分融合，輸出植物的類(lèi)別概率值。
在整個(gè)處理過(guò)程中，團隊使用不同的概率進(jìn)行數據添加和模型參數的丟棄，以獲得多個(gè)模型的推理結果，并將輸出的相應類(lèi)別的概率值取平均以獲得這些模型的最終分類(lèi)結果。最終根據植物的類(lèi)別確定出植物性狀分布的范圍后，再利用其均值進(jìn)行后處理替換便得到植物30余項屬性的數值。其中，ConvNeXt V2是一種新的卷積神經(jīng)網(wǎng)絡(luò )模型，通過(guò)結合自監督學(xué)習框架并進(jìn)一步加入新的架構改進(jìn)，在各種視覺(jué)識別任務(wù)上取得了不錯的性能提升。iNaturalist數據集是一種物種分類(lèi)和檢測數據集，其中包括來(lái)自5,000多種不同植物和動(dòng)物物種的859,000張圖像。該數據集真實(shí)反映了現實(shí)自然界中不同生物類(lèi)別數量的嚴重不平衡性，并且已得到多名民間科學(xué)家的驗證。通過(guò)以上模型設計和訓練策略，創(chuàng )新奇智團隊在競賽中取得了第一名的好成績(jì)。向全球同行充分展現了自身在A(yíng)I理論研究上的深厚積累和持續創(chuàng )新能力。未來(lái)，創(chuàng )新奇智將繼續在廣闊的人工智能領(lǐng)域進(jìn)行創(chuàng )新和探索，為今后將AI技術(shù)更廣泛地落地應用于人工智能制造、人工智能金融等領(lǐng)域奠定了堅實(shí)的理論基礎和技術(shù)儲備。創(chuàng )新奇智CTO張發(fā)恩擔任本次參賽隊伍教練，他指出：“樣本數據量極少是本次PlantTraits競賽的最大挑戰。創(chuàng )新奇智在少樣本學(xué)習領(lǐng)域深研多年，取得了一系列的創(chuàng )新成果，研發(fā)的多項少樣本學(xué)習算法堪屬世界首創(chuàng )。少樣本學(xué)習旨在從已有類(lèi)別的數據中學(xué)習先驗知識，然后利用極少的標注數據完成對新類(lèi)別的識別，打破了樣本數據量的制約，在傳統制造業(yè)等樣本普遍缺失的領(lǐng)域具有實(shí)用價(jià)值，有助于推動(dòng)AI落地?！?/span>
返回動(dòng)態(tài)列表
