20日上午決賽答辯現(xiàn)場,來自新加坡南洋理工大學、中國科學院大學、西安交通大學、中山大學、東北財經(jīng)大學、華南理工大學等高校、企業(yè)的決賽11強悉數(shù)登場。專家評委從圖像分類模型構建角度對選手展開提問考核,最終根據(jù)模型準確率及現(xiàn)場答辯成績進行綜合排名,最終決出冠亞季軍。
本次華為云人工智能大賽·垃圾分類挑戰(zhàn)杯,旨在運用人工智能為垃圾分類乃至千行百業(yè)帶來更多可能性?，F(xiàn)實生活中,垃圾形態(tài)、拍照時角度、光線、背景等差異,往往使得AI訓練集的數(shù)據(jù)難以識別垃圾的廬山真面目。因此,在比賽過程中,參賽選手需要克服并解決這些難題,從而構建出能準確識別垃圾的模型。
華為云為廣大參賽者提供了一站式AI開發(fā)管理平臺ModelArts,幫忙訓練基于深度學習技術的圖像分類模型,實現(xiàn)對垃圾圖片類別的精準識別,使能智慧城市生活。
“快速上手”、“易學易用”,全鏈條開發(fā)獲好評
獲得本次大賽冠軍的團隊“千年等一回”隊長曾兆陽介紹道,為了解決垃圾種類繁多且需要在運行的過程中不斷增加數(shù)據(jù)和類別的特性等問題,“千年等一回”的解決方案同時考慮了深度卷積網(wǎng)絡特征的魯棒性和圖像檢索算法的擴展性。
“千年等一回”隊員王鍇表示,由于本次比賽的模型均部署在華為云ModelArts上進行統(tǒng)一測試,規(guī)則上便避免了測試漏洞。另外,在ModelArts的幫助下,參賽選手還開發(fā)了小程序來讓家人朋友參與到垃圾分類的Demo測試中,大賽的互動性和趣味性瞬間強化。隊員楊劍飛則對垃圾分類算法的落地提出了展望,他表示,目前垃圾分類算法尚存在問題,例如缺乏大規(guī)模的垃圾數(shù)據(jù)集、垃圾圖片中存在多種垃圾的混合影響、深度學習網(wǎng)絡對從未見過的樣本出現(xiàn)預測偏差等?；谝陨蠁栴},Active Learning的標注和基于Zero-Shot Learning的推測系統(tǒng)有望成為關鍵。借此,他希望行業(yè)能以華為云人工智能大賽·垃圾分類挑戰(zhàn)杯為起點,研究者、工程師共同優(yōu)化垃圾分類項目,為社會作出貢獻。
大賽亞軍——東北財經(jīng)大學管理科學與工程學院的YY團隊指導老師高明副教授表示,“參加這場大賽不但可以了解其他院校、企業(yè)在人才培養(yǎng)、技術積累方面的真實水平,還能真正地了解行業(yè)的需求,從而促進高校的科研與人才培養(yǎng)工作。實際上,比賽中需要克服垃圾數(shù)據(jù)量小、類別不平衡、垃圾位置分布不均等現(xiàn)實挑戰(zhàn),團隊也得以在真實場景測試和改進像素注意力、Augment+等原創(chuàng)科研成果,未來我們希望能更多地做一些完全自主的源頭創(chuàng)新,如通用的網(wǎng)絡架構和預訓練模型等。通過華為云一站式AI開發(fā)管理平臺ModelArts快速、輕量、低成本地支持離線式(作業(yè)提交)或在線交互式(Notebook)深度學習模型開發(fā)、訓練與調試等特性,團隊在自行積累代碼的基礎上,僅需配置pip的標準安裝需求列表,十幾行數(shù)據(jù)同步的腳本,就能夠實現(xiàn)本地與云端的相同運行環(huán)境?？偟膩碚f,ModelArts相比其他開發(fā)平臺,具有配置簡單、快速上手等優(yōu)點,借助于該平臺,YY團隊得以在有限的硬件條件下快速迭代,驗證想法。”
大賽亞軍,在算法落地及工程化方面有著豐富經(jīng)驗的“AI成長社”團隊也分享了參賽體驗。他們表示,ModelArts支持現(xiàn)在所有的主流深度學習框架,開發(fā)者可以直接通過pip安裝各種擴展包,并支持多GPU訓練;平臺易學易用,加速比賽算法的驗證。在接觸的眾多開發(fā)平臺中,ModelArts可以說是切實簡化開發(fā)者工作的優(yōu)質AI開發(fā)平臺,從數(shù)據(jù)處理、數(shù)據(jù)分析、模型構建、模型優(yōu)化到模型部署等全鏈條開發(fā)環(huán)節(jié),ModelArts的響應速度都極快。
AI開發(fā)任重道遠,應用前景廣闊
華為云ModelArts在垃圾分類的應用,只是其行業(yè)實踐的一個縮影,醫(yī)療、建筑等行業(yè)都在通過ModelArts實現(xiàn)AI落地,加速智能化。
伴隨著人工智能進入發(fā)展“快車道”,華為云也在不斷推出創(chuàng)新的AI產(chǎn)品與解決方案。今年華為全聯(lián)接大會期間,華為云EI服務產(chǎn)品部總經(jīng)理賈永利重磅發(fā)布了全面升級的ModelArts2.0,包含智能數(shù)據(jù)篩選、智能數(shù)據(jù)標注、智能數(shù)據(jù)分析、多元模型自動搜索、ModelArts SDK、圖神經(jīng)網(wǎng)絡、強化學習、模型評估/診斷、模型壓縮/轉換、自動難例發(fā)現(xiàn)、在線學習等十余項新特性及服務,將以全流程的極簡和自動化顛覆傳統(tǒng)AI開發(fā)模式。
目前,華為云ModelArts-Lab AI實戰(zhàn)營系列活動正在開展中。基于AI開發(fā)者利器ModelArts,ModelArts-Lab AI實戰(zhàn)營系列活動包括圖像分割、姿態(tài)識別、活體識別、NLP等領域的系統(tǒng)化實戰(zhàn)計劃,能夠有效幫助開發(fā)者們get人工智能實戰(zhàn)技能、全流程AI模型開發(fā)及應用實戰(zhàn)要義。
原文鏈接：http://view.danews.cc/news/3779875312019092518210769?tdsourcetag=s_pcqq_aiomsg
