2020年6月19日，全球計(jì)算機(jī)視覺頂級(jí)會(huì)議CVPR2020圓滿落幕，深蘭科技北京AI研發(fā)中心的DeepBlueAI團(tuán)隊(duì)斬獲了NightOwls Detetection Challenge 2020 (Track 1:Pedestrian Detection from a Single Frame, Track 2:Pedestrian Detection from a Multiple Frames兩個(gè)賽道)、圖片+ (Track 1 -- task 1賽題)、NTIRE 2020 ：Perceptual Extreme Super-Resolution Challenge (PSNR 評(píng)價(jià)指標(biāo))共4個(gè)冠軍，還在CVPR2020其他賽題中獲得了4項(xiàng)亞軍、4項(xiàng)季軍，一共斬獲12項(xiàng)冠亞季軍。

其中，NightOwls夜間行人檢測(cè)的測(cè)試成果可與白天行人檢測(cè)結(jié)合，打造適用于不同天氣條件的全天候的行人檢測(cè)系統(tǒng)，可提升深蘭目前的各類戶外防疫監(jiān)測(cè)產(chǎn)品的識(shí)別性能；圖片+ 挑戰(zhàn)賽的霧天條件下的物體檢測(cè)成果可用于智能熊貓公交車、掃路機(jī)的安全監(jiān)控、室外環(huán)境感知、輔助駕駛；NTIRE 2020 :Perceptual Extreme Super-Resolution Challenge圖像恢復(fù)與增強(qiáng)挑戰(zhàn)中的超分辨率感知測(cè)試成果可以應(yīng)用于圖像復(fù)原等領(lǐng)域。另外，還有多個(gè)競(jìng)賽的解決方案可以應(yīng)用在服裝行業(yè)、農(nóng)業(yè)病蟲害防護(hù)等領(lǐng)域。

國(guó)際計(jì)算機(jī)視覺和模式識(shí)別大會(huì)(CVPR)一直有計(jì)算機(jī)視覺領(lǐng)域的「奧斯卡」之稱，憑借著嚴(yán)苛的競(jìng)賽標(biāo)準(zhǔn)，成為全球AI領(lǐng)域團(tuán)隊(duì)檢驗(yàn)自身基礎(chǔ)研究成果的試金石。今年，受全球疫情影響，該賽事于6月14日-19日在線上舉辦，以深蘭科技等領(lǐng)軍的中國(guó)AI企業(yè)在比賽中大放異彩，向全球展示了中國(guó)AI的雄厚實(shí)力。


深蘭科技看重CVPR的比賽嚴(yán)謹(jǐn)和評(píng)比權(quán)威性，已連續(xù)多年出征CVPR，以此來檢驗(yàn)自身的算法實(shí)力。今年，深蘭科技共參與了10個(gè)競(jìng)賽項(xiàng)目，斬獲4項(xiàng)冠軍，總共12項(xiàng)冠亞季軍，較去年取得了更為驕人的成績(jī)。在全球經(jīng)濟(jì)跨入以AI為引領(lǐng)的第四次工業(yè)革命時(shí)代、中國(guó)聚焦AI「新基建」時(shí)，深蘭科技已做好了充分準(zhǔn)備，獲得不俗成績(jī)的同時(shí)，也將秉持開放共享的態(tài)度，為中國(guó)AI行業(yè)輸出更多的新鮮血液，推動(dòng)AI「新基建」發(fā)展。

下面，讓我們看看深蘭科技參加的10個(gè)賽道比拼，究竟有哪些挑戰(zhàn)難點(diǎn)及應(yīng)用場(chǎng)景。


1

NightOwls Detetection Challenge 2020

2個(gè)冠軍、1個(gè)亞軍

夜間行人檢測(cè)，該比賽分為三個(gè)賽道：

賽道一：檢測(cè)夜間場(chǎng)景下單幀圖片中的行人

賽道二：借助當(dāng)前幀及之前所有幀共同輔助檢測(cè)當(dāng)前幀的行人

賽道三：檢測(cè)夜間場(chǎng)景下的行人、自行車、摩托車

難點(diǎn)：

1）所有數(shù)據(jù)集都是在車輛運(yùn)動(dòng)過程中采集的，當(dāng)車速較快或者車輛與相機(jī)之間有相對(duì)運(yùn)動(dòng)時(shí)會(huì)產(chǎn)生運(yùn)動(dòng)模糊。同時(shí)又由于圖片場(chǎng)景都是光線較弱的夜間場(chǎng)景，因此圖片質(zhì)量也相對(duì)較差。

2）夜間場(chǎng)景圖片色彩信息少。

3）圖片采集涵蓋了不同的城市和天氣條件，同以往用常用來訓(xùn)練預(yù)訓(xùn)練模型的數(shù)據(jù)集差異較大。

應(yīng)用場(chǎng)景：24小時(shí)的行人監(jiān)測(cè)系統(tǒng)

2

圖片+ PRIZE CHALLENGE 第一賽道 任務(wù)1霧天條件下的物體檢測(cè)

冠軍

難點(diǎn)：

在特定條件，如惡劣的天氣或者光照條件等，可見性較差的環(huán)境中的魯棒性。即使是政府采用的商業(yè)化攝像機(jī)在惡劣的天氣條件下也顯得很脆弱。因此，迫切需要研究在何種程度上，在某種意義上可以應(yīng)對(duì)這種具有挑戰(zhàn)性的視覺條件。

應(yīng)用場(chǎng)景：安全監(jiān)控、室外環(huán)境感知、輔助駕駛



3

NTIRE 2020 :Perceptual Extreme Super-Resolution Challenge

PSNR冠軍

圖像超分辨率是一項(xiàng)關(guān)鍵的計(jì)算機(jī)視覺任務(wù)，其目的是恢復(fù)低分辨的圖像內(nèi)容，填充丟失的信息，以實(shí)現(xiàn)獲得一張高清的大分辨率圖像。團(tuán)隊(duì)主要關(guān)注PSNR指標(biāo)，在PSNR指標(biāo)上，團(tuán)隊(duì)取得第一名的成績(jī)，并且超越了去年的冠軍方案。

難點(diǎn)：

本次賽題對(duì)單張圖像以及極端超分辨率提出了挑戰(zhàn)，即基于一組的低分辨率和相應(yīng)的高分辨率圖像，以x16的放大因子對(duì)輸入圖像進(jìn)行超分辨率（提高分辨率）。

應(yīng)用場(chǎng)景：圖像復(fù)原

4


Plant Pathology 2020 - FGVC7

亞軍

本賽題旨在通過計(jì)算機(jī)視覺的方法，解決以下問題：

1）準(zhǔn)確地判斷葉片是否健康

2）對(duì)于不健康的葉片，判斷其疾病的類別，有時(shí)一個(gè)葉片可能有多種疾病

難點(diǎn)：

1）數(shù)據(jù)集中涵蓋了不同的葉片的角度、光照、形狀、葉片年齡，數(shù)據(jù)相對(duì)復(fù)雜，對(duì)模型效果影響較大；

2）數(shù)據(jù)集中的疾病包含一些罕見的疾病，和一些新的癥狀，對(duì)模型提出新的挑戰(zhàn)。

應(yīng)用場(chǎng)景：農(nóng)業(yè)病蟲害分類



5

iMet Collection 2020 - FGVC7

亞軍

本賽題需要將紐約大都會(huì)藝術(shù)博物館中超過20萬(wàn)件藏品的數(shù)字化圖像進(jìn)行細(xì)粒度分類。

難點(diǎn)：

1）數(shù)據(jù)集總類別數(shù)比較多，超過3000個(gè)類別

2）圖片尺度分布差異比較大

應(yīng)用場(chǎng)景：博物館、圖書館等館藏分類及搜索

6



BDD100K Multiple Object Tracking Challenge

亞軍

BDD100K是CVPR2020 Autonomous Driving WorkShop的一部分，是在最多樣化的駕駛條件下的大規(guī)模跟蹤挑戰(zhàn)任務(wù)。

難點(diǎn)：

需要參賽者預(yù)測(cè)出視頻中物體在時(shí)間維度上的關(guān)聯(lián)，主辦方提供了2000個(gè)40秒在一天中的不同天氣條件下的完整注釋序列，數(shù)據(jù)集提供了具有復(fù)雜遮擋和消失物體重新出現(xiàn)的多種駕駛場(chǎng)景，需要為開發(fā)的MOT算法在真實(shí)場(chǎng)景中的可靠性提供了一個(gè)很好的測(cè)試場(chǎng)景。

應(yīng)用場(chǎng)景：自動(dòng)駕駛，Domain Adaption方向



7

Pixel SkelNetOn

季軍

像素骨架提取分析能對(duì)不同目標(biāo)的二值化掩碼進(jìn)行細(xì)化，克服傳統(tǒng)方法人工設(shè)置參數(shù)的不便。

難點(diǎn)：

如何從少量樣本中準(zhǔn)確提取不同形狀的的骨架，存在一定的挑戰(zhàn)性。

應(yīng)用場(chǎng)景：圖像細(xì)化

8



DeepFashion2 -- Track 2 Clothes Retrieval

季軍

由于在產(chǎn)業(yè)中的巨大潛力，時(shí)尚圖像檢索成為了活躍的研究課題。

難點(diǎn)：

DeepFashion2數(shù)據(jù)集包含 49.1 萬(wàn)張圖像，13 種流行的服飾類別，擁有最豐富的任務(wù)定義和最大數(shù)量的標(biāo)簽，由于巨大的變形、遮擋，以及消費(fèi)者和商業(yè)圖像之間存在的服裝域的差異，如何進(jìn)行準(zhǔn)確的服裝搜索是一個(gè)大的挑戰(zhàn)。

應(yīng)用場(chǎng)景：電商平臺(tái)服飾檢索功能


9

LIP--Track 3 Image-based Multi-pose Virtual Try-on Challenge

季軍

此任務(wù)針對(duì)基于圖像的多姿勢(shì)虛擬試穿。要求給定輸入的人圖像，以及期望的服裝圖像和人體姿態(tài)，要求參與者設(shè)計(jì)算法以將期望的服裝轉(zhuǎn)移到人圖像并操縱人的姿勢(shì)。

難點(diǎn)：

1）多姿態(tài)虛擬試穿，以往會(huì)有相關(guān)算法要求固定輸入圖片的姿勢(shì)，而此賽道姿勢(shì)各異，不僅要考慮到服裝因素，還需考慮姿態(tài)因素。

2）生成算法較難收斂，容易導(dǎo)致loss爆炸。

應(yīng)用場(chǎng)景：服飾行業(yè)的虛擬試穿

10

iMaterialist (Fashion) 2020 at FGVC7

季軍

本賽題通過時(shí)裝界和計(jì)算機(jī)視覺界的聯(lián)合，引入一個(gè)新的細(xì)粒度分割任務(wù)。提出的任務(wù)將服裝屬性的分類和服裝部件分割統(tǒng)一起來，這是邁向?qū)嶋H應(yīng)用的重要一步。

難點(diǎn)：

服裝視覺分析需要能夠從圖片中識(shí)別服裝產(chǎn)品及其相關(guān)屬性，讓設(shè)計(jì)師了解人們喜歡什么樣的產(chǎn)品及服裝搭配，提高時(shí)尚專業(yè)人士的工作效率，進(jìn)一步可以增強(qiáng)消費(fèi)者的購(gòu)物體驗(yàn)。

應(yīng)用場(chǎng)景：服裝輔助設(shè)計(jì)領(lǐng)域