20日上午決賽答辯現(xiàn)場(chǎng),來(lái)自新加坡南洋理工大學(xué)、中國(guó)科學(xué)院大學(xué)、西安交通大學(xué)、中山大學(xué)、東北財(cái)經(jīng)大學(xué)、華南理工大學(xué)等高校、企業(yè)的決賽11強(qiáng)悉數(shù)登場(chǎng)。專家評(píng)委從圖像分類模型構(gòu)建角度對(duì)選手展開(kāi)提問(wèn)考核,最終根據(jù)模型準(zhǔn)確率及現(xiàn)場(chǎng)答辯成績(jī)進(jìn)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(yùn)用人工智能為垃圾分類乃至千行百業(yè)帶來(lái)更多可能性?,F(xiàn)實(shí)生活中,垃圾形態(tài)、拍照時(shí)角度、光線、背景等差異,往往使得AI訓(xùn)練集的數(shù)據(jù)難以識(shí)別垃圾的廬山真面目。因此,在比賽過(guò)程中,參賽選手需要克服并解決這些難題,從而構(gòu)建出能準(zhǔn)確識(shí)別垃圾的模型。
華為云為廣大參賽者提供了一站式AI開(kāi)發(fā)管理平臺(tái)ModelArts,幫忙訓(xùn)練基于深度學(xué)習(xí)技術(shù)的圖像分類模型,實(shí)現(xiàn)對(duì)垃圾圖片類別的精準(zhǔn)識(shí)別,使能智慧城市生活。
“快速上手”、“易學(xué)易用”,全鏈條開(kāi)發(fā)獲好評(píng)
獲得本次大賽冠軍的團(tuán)隊(duì)“千年等一回”隊(duì)長(zhǎng)曾兆陽(yáng)介紹道,為了解決垃圾種類繁多且需要在運(yùn)行的過(guò)程中不斷增加數(shù)據(jù)和類別的特性等問(wèn)題,“千年等一回”的解決方案同時(shí)考慮了深度卷積網(wǎng)絡(luò)特征的魯棒性和圖像檢索算法的擴(kuò)展性。
“千年等一回”隊(duì)員王鍇表示,由于本次比賽的模型均部署在華為云ModelArts上進(jìn)行統(tǒng)一測(cè)試,規(guī)則上便避免了測(cè)試漏洞。另外,在ModelArts的幫助下,參賽選手還開(kāi)發(fā)了小程序來(lái)讓家人朋友參與到垃圾分類的Demo測(cè)試中,大賽的互動(dòng)性和趣味性瞬間強(qiáng)化。隊(duì)員楊劍飛則對(duì)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(wèn)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(xué)習(xí)網(wǎng)絡(luò)對(duì)從未見(jiàn)過(guò)的樣本出現(xiàn)預(yù)測(cè)偏差等。基于以上問(wèn)題,Active Learning的標(biāo)注和基于Zero-Shot Learning的推測(cè)系統(tǒng)有望成為關(guān)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(diǎn),研究者、工程師共同優(yōu)化垃圾分類項(xiàng)目,為社會(huì)作出貢獻(xiàn)。
大賽亞軍——東北財(cái)經(jīng)大學(xué)管理科學(xué)與工程學(xué)院的YY團(tuán)隊(duì)指導(dǎo)老師高明副教授表示,“參加這場(chǎng)大賽不但可以了解其他院校、企業(yè)在人才培養(yǎng)、技術(shù)積累方面的真實(shí)水平,還能真正地了解行業(yè)的需求,從而促進(jìn)高校的科研與人才培養(yǎng)工作。實(shí)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(shí)挑戰(zhàn),團(tuán)隊(duì)也得以在真實(shí)場(chǎng)景測(cè)試和改進(jìn)像素注意力、Augment+等原創(chuàng)科研成果,未來(lái)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(luò)架構(gòu)和預(yù)訓(xùn)練模型等。通過(guò)華為云一站式AI開(kāi)發(fā)管理平臺(tái)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(xué)習(xí)模型開(kāi)發(fā)、訓(xùn)練與調(diào)試等特性,團(tuán)隊(duì)在自行積累代碼的基礎(chǔ)上,僅需配置pip的標(biāo)準(zhǔn)安裝需求列表,十幾行數(shù)據(jù)同步的腳本,就能夠?qū)崿F(xiàn)本地與云端的相同運(yùn)行環(huán)境。總的來(lái)說(shuō),ModelArts相比其他開(kāi)發(fā)平臺(tái),具有配置簡(jiǎn)單、快速上手等優(yōu)點(diǎn),借助于該平臺(tái),YY團(tuán)隊(duì)得以在有限的硬件條件下快速迭代,驗(yàn)證想法?!?/p>
大賽亞軍,在算法落地及工程化方面有著豐富經(jīng)驗(yàn)的“AI成長(zhǎng)社”團(tuán)隊(duì)也分享了參賽體驗(yàn)。他們表示,ModelArts支持現(xiàn)在所有的主流深度學(xué)習(xí)框架,開(kāi)發(fā)者可以直接通過(guò)pip安裝各種擴(kuò)展包,并支持多GPU訓(xùn)練;平臺(tái)易學(xué)易用,加速比賽算法的驗(yàn)證。在接觸的眾多開(kāi)發(fā)平臺(tái)中,ModelArts可以說(shuō)是切實(shí)簡(jiǎn)化開(kāi)發(fā)者工作的優(yōu)質(zhì)AI開(kāi)發(fā)平臺(tái),從數(shù)據(jù)處理、數(shù)據(jù)分析、模型構(gòu)建、模型優(yōu)化到模型部署等全鏈條開(kāi)發(fā)環(huán)節(jié),ModelArts的響應(yīng)速度都極快。
AI開(kāi)發(fā)任重道遠(yuǎn),應(yīng)用前景廣闊
華為云ModelArts在垃圾分類的應(yīng)用,只是其行業(yè)實(shí)踐的一個(gè)縮影,醫(yī)療、建筑等行業(yè)都在通過(guò)ModelArts實(shí)現(xiàn)AI落地,加速智能化。
伴隨著人工智能進(jìn)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(huì)期間,華為云EI服務(wù)產(chǎn)品部總經(jīng)理賈永利重磅發(fā)布了全面升級(jí)的ModelArts2.0,包含智能數(shù)據(jù)篩選、智能數(shù)據(jù)標(biāo)注、智能數(shù)據(jù)分析、多元模型自動(dòng)搜索、ModelArts SDK、圖神經(jīng)網(wǎng)絡(luò)、強(qiáng)化學(xué)習(xí)、模型評(píng)估/診斷、模型壓縮/轉(zhuǎn)換、自動(dòng)難例發(fā)現(xiàn)、在線學(xué)習(xí)等十余項(xiàng)新特性及服務(wù),將以全流程的極簡(jiǎn)和自動(dòng)化顛覆傳統(tǒng)AI開(kāi)發(fā)模式。
目前,華為云ModelArts-Lab AI實(shí)戰(zhàn)營(yíng)系列活動(dòng)正在開(kāi)展中。基于AI開(kāi)發(fā)者利器ModelArts,ModelArts-Lab AI實(shí)戰(zhàn)營(yíng)系列活動(dòng)包括圖像分割、姿態(tài)識(shí)別、活體識(shí)別、NLP等領(lǐng)域的系統(tǒng)化實(shí)戰(zhàn)計(jì)劃,能夠有效幫助開(kāi)發(fā)者們get人工智能實(shí)戰(zhàn)技能、全流程AI模型開(kāi)發(fā)及應(yīng)用實(shí)戰(zhàn)要義。
原文鏈接:http://view.danews.cc/news/3779875312019092518210769?tdsourcetag=s_pcqq_aiomsg