WebVision競(jìng)賽要求參賽的AI模型將1600萬(wàn)+張圖片精準(zhǔn)分類(lèi)到5000個(gè)類(lèi)目中。大賽所用數(shù)據(jù)集直接從互聯(lián)網(wǎng)爬取,沒(méi)有經(jīng)過(guò)人工標(biāo)注。因此數(shù)據(jù)中含有很多噪音,且數(shù)據(jù)類(lèi)別的數(shù)量存在著極大不平衡,相較于 ImageNet,WebVision 難度提高許多,同時(shí)也更加貼近于實(shí)際應(yīng)用中的場(chǎng)景。

WebVision競(jìng)賽展示了人工智能技術(shù)發(fā)展的另外一種可能性:基于弱監(jiān)督學(xué)習(xí),深度學(xué)習(xí)可以不再以人工標(biāo)注數(shù)據(jù)為基礎(chǔ),人工智能有望真正擺脫“人工”。

 
此次競(jìng)賽中,華為云EI基于ModelArts訓(xùn)練大規(guī)模圖像分類(lèi)模型,基于先進(jìn)的分布式訓(xùn)練方法,可以縮短超大規(guī)模數(shù)據(jù)集的訓(xùn)練時(shí)間。利用伴隨圖像數(shù)據(jù)的文本描述信息,融合文本與視覺(jué)多模態(tài)特征,通過(guò)訓(xùn)練過(guò)程中的動(dòng)態(tài)評(píng)估識(shí)別并剔除大量噪聲數(shù)據(jù),并進(jìn)一步通過(guò)知識(shí)蒸餾降低噪聲對(duì)模型訓(xùn)練的影響,最終在完全沒(méi)有人工標(biāo)注的情況下,從互聯(lián)網(wǎng)上自動(dòng)爬取的大規(guī)模數(shù)據(jù)集上進(jìn)行學(xué)習(xí),訓(xùn)練得到準(zhǔn)確率82.97%高精度模型。
 

華為云EI在本次比賽中運(yùn)用的圖像識(shí)別技術(shù),可廣泛用于通用物品識(shí)別、圖像/視頻標(biāo)簽等領(lǐng)域。近十年來(lái)計(jì)算機(jī)視覺(jué)取得的進(jìn)展離不開(kāi)大量人工標(biāo)注的數(shù)據(jù)集,但由于人工標(biāo)注需要較高的成本,幾乎不太可能構(gòu)建包羅萬(wàn)象的超級(jí)數(shù)據(jù)集?；ヂ?lián)網(wǎng)上存在幾乎取之不盡的無(wú)標(biāo)注圖像數(shù)據(jù),利用這些數(shù)據(jù)的周邊文本等信息作為帶噪聲的弱標(biāo)注數(shù)據(jù)進(jìn)行學(xué)習(xí),能夠在很大程度上降低圖像識(shí)別對(duì)人工標(biāo)注的依賴。

華為云EI在視覺(jué)研究領(lǐng)域有著豐富的技術(shù)積累,在6 月14日-19 日舉辦的CVPR2020(國(guó)際計(jì)算機(jī)視覺(jué)和模式識(shí)別大會(huì)) 中,華為貢獻(xiàn)論文34 篇,涵蓋遷移學(xué)習(xí)、半監(jiān)督學(xué)習(xí)、網(wǎng)絡(luò)架構(gòu)搜索、模型算子優(yōu)化、知識(shí)蒸餾、對(duì)抗樣本生成等前沿領(lǐng)域。展示了華為在計(jì)算機(jī)視覺(jué)領(lǐng)域強(qiáng)大的人才儲(chǔ)備、科研底蘊(yùn)和創(chuàng)新能力。

華為云EI在行業(yè)應(yīng)用上亦有豐富的商用實(shí)踐經(jīng)驗(yàn)。目前,華為云EI內(nèi)容審核、人臉識(shí)別、圖像搜索、視頻分析等服務(wù)已經(jīng)成功應(yīng)用于互聯(lián)網(wǎng)、媒資、園區(qū)、物流、工業(yè)等行業(yè)。

華為云還將圖像識(shí)別技術(shù)應(yīng)用于天文、氣象等領(lǐng)域。2019年基于華為云圖像識(shí)別能力,在上海天文臺(tái)與國(guó)際組織SKA(平方公里陣列射電望遠(yuǎn)鏡) 合作的項(xiàng)目中,科學(xué)家們僅用10.02 秒即完成了對(duì) 20 萬(wàn)顆星體的識(shí)別,同時(shí)可以準(zhǔn)確地對(duì)某一類(lèi)星體進(jìn)行定位,傳統(tǒng)方式完成如此大量的星體識(shí)別工作需要 169 天時(shí)間。

xiesc