作為國(guó)際計(jì)算機(jī)視覺(jué)與模式識(shí)別領(lǐng)域的頂級(jí)學(xué)術(shù)會(huì)議，一年一度的CVPR 匯集了世界范圍內(nèi)的頂尖學(xué)者與企業(yè)。一直以來(lái)百度積極參與各屆CVPR大會(huì)，屢屢取得矚目成績(jī)，如CVPR 2019中，百度共有17篇論文被收錄，并接連獲得 10 項(xiàng) CVPR 競(jìng)賽任務(wù)的冠軍，涵蓋視覺(jué)領(lǐng)域下的視頻理解與分析、圖像超分辨、智能城市車(chē)輛識(shí)別等眾多前沿方向。而本屆大會(huì)中，由百度主辦的Learning from Imperfect Data研討會(huì)正是聚焦當(dāng)前領(lǐng)域內(nèi)熱議的弱監(jiān)督學(xué)習(xí)，這也是對(duì)百度視覺(jué)技術(shù)實(shí)力及前沿探索的極大認(rèn)可。

弱監(jiān)督學(xué)習(xí)，即通過(guò)較弱的監(jiān)督信號(hào)來(lái)構(gòu)建預(yù)測(cè)模型，已成為該領(lǐng)域內(nèi)的熱門(mén)課題。當(dāng)前，隨著大規(guī)模標(biāo)注數(shù)據(jù)集的興起和計(jì)算機(jī)硬件的進(jìn)步，包括深度卷積神經(jīng)網(wǎng)絡(luò)在內(nèi)的有監(jiān)督學(xué)習(xí)方法為計(jì)算機(jī)視覺(jué)領(lǐng)域帶來(lái)了顯著突破。然而在實(shí)際工業(yè)應(yīng)用中，無(wú)法獲得足夠數(shù)量的完美標(biāo)注數(shù)據(jù)所帶來(lái)的“數(shù)據(jù)饑渴”問(wèn)題亟待解決。如何充分利用人工標(biāo)注信息?如何減小標(biāo)注工作量，將人類(lèi)經(jīng)驗(yàn)與學(xué)習(xí)規(guī)則充分結(jié)合?為解決這一問(wèn)題，眾多研究者在弱監(jiān)督學(xué)習(xí)方法方面做了大量的努力，相關(guān)論文在CVPR、ICCV、ECCV、T-IP和T-PAMI等頂級(jí)會(huì)議和期刊上增長(zhǎng)迅猛。

百度組織本次Learning from Imperfect Data研討會(huì)，正是希望與頂尖業(yè)界和學(xué)術(shù)界研究者深入交流，共同探討當(dāng)前建立工業(yè)級(jí)人工智能系統(tǒng)的方法。

為進(jìn)一步促進(jìn)技術(shù)交流，從實(shí)踐中驗(yàn)證成果，Learning from Imperfect Data挑戰(zhàn)賽目前已正式開(kāi)啟。作為國(guó)際弱監(jiān)督學(xué)習(xí)領(lǐng)域最權(quán)威的賽事，本屆挑戰(zhàn)賽分為弱監(jiān)督語(yǔ)義分割、場(chǎng)景分析、目標(biāo)定位三個(gè)賽道，提供了當(dāng)前業(yè)內(nèi)類(lèi)別數(shù)目最多的弱監(jiān)督數(shù)據(jù)集。比如語(yǔ)義分割任務(wù)中ILSVRC DET測(cè)試數(shù)據(jù)的pixel-level的mask，共包含了200類(lèi)，是目前類(lèi)別數(shù)最多的弱監(jiān)督物體語(yǔ)義分割的數(shù)據(jù)集。目標(biāo)定位任務(wù)提供了四萬(wàn)多張ILSVRC LOC-CLS測(cè)試數(shù)據(jù)的pixel-level mask，并提出了用IoU curve的方式來(lái)度量弱監(jiān)督條件下生成的classi activation map的質(zhì)量。

值得一提的是，今年組委會(huì)針對(duì)數(shù)據(jù)集和推理模型的參數(shù)量發(fā)布了兩條規(guī)定。

1.參賽團(tuán)隊(duì)只允許使用數(shù)據(jù)集內(nèi)的圖像進(jìn)行訓(xùn)練，不允許使用任何其他帶有像素級(jí)標(biāo)注的數(shù)據(jù)集。

2.推理模型的參數(shù)量不能超過(guò)150M。鼓勵(lì)參賽團(tuán)隊(duì)設(shè)計(jì)一個(gè)高效的算法模型，避免簡(jiǎn)單進(jìn)行多模型融合，最終榜單前三的參賽團(tuán)隊(duì)需要提交代碼并由組委會(huì)審核。

除難度升級(jí)外，百度還將為每個(gè)賽道的優(yōu)勝者提供現(xiàn)金獎(jiǎng)勵(lì)，提交基于百度深度學(xué)習(xí)平臺(tái)飛槳的推理代碼將獲得額外的現(xiàn)金激勵(lì)，鼓勵(lì)選手在語(yǔ)義分割任務(wù)中使用飛槳PaddleSeg套件工具。飛槳以百度多年的深度學(xué)習(xí)技術(shù)研究和業(yè)務(wù)應(yīng)用為基礎(chǔ)，集深度學(xué)習(xí)核心框架、基礎(chǔ)模型庫(kù)、端到端開(kāi)發(fā)套件、工具組件和服務(wù)平臺(tái)于一體，2016年正式開(kāi)源，是中國(guó)全面開(kāi)源開(kāi)放、技術(shù)領(lǐng)先、功能完備的產(chǎn)業(yè)級(jí)深度學(xué)習(xí)平臺(tái)。

期待本屆賽事中涌現(xiàn)出更多優(yōu)秀的方法，為機(jī)器視覺(jué)弱監(jiān)督學(xué)習(xí)領(lǐng)域研究帶來(lái)全新火花!

賽事報(bào)名地址：https://lidchallenge.github.io/challenge.html

songjy