近日，由Google主辦的2019 Google物體挑戰(zhàn)賽結(jié)果正式揭曉，首次參賽的極鏈科技AI團(tuán)隊(duì)在僅剩兩個(gè)月的時(shí)間下贏得一枚金牌。

去年，在MS COCO停止舉辦物體邊框識(shí)別的比賽后，Google發(fā)布了自己的第一屆物體識(shí)別的比賽，有400多名研究人員和機(jī)器學(xué)習(xí)研究人員參加。今年，作為ICCV的workshop之一，谷歌在Open Image V5數(shù)據(jù)集的基礎(chǔ)上推出了第二屆物體比賽，且測試集與第一屆完全相同。

連續(xù)兩年Google Open Images － Object Detection Track接棒COCO物體識(shí)別比賽，作為計(jì)算機(jī)視覺領(lǐng)域的“黃金標(biāo)準(zhǔn)型”，吸引了大量團(tuán)隊(duì)的參與，以獲得在Open Images數(shù)據(jù)集上的最低的錯(cuò)誤率，今年也是吸引了560余支隊(duì)伍。同時(shí)，深度學(xué)習(xí)技術(shù)的突破更是使得圖像識(shí)別任務(wù)取得令人矚目的巨大進(jìn)步，甚至超過了人類的準(zhǔn)確度。

隨著深度網(wǎng)絡(luò)解決方案變得越來越深，越來越復(fù)雜，它們通常受到可用培訓(xùn)數(shù)據(jù)量的限制�？紤]到這一點(diǎn)，為了刺激分析和理解圖像的進(jìn)步，Google公開發(fā)布了Open Images數(shù)據(jù)集。Open Images遵循了PASCAL VOC，ImageNet和COCO的傳統(tǒng)，現(xiàn)已達(dá)到前所未有的規(guī)模。

作為CV（Computer Vision）領(lǐng)域的熱門分支，物體識(shí)別有著廣泛的應(yīng)用場景，從已經(jīng)十分成熟的車輛車牌識(shí)別、行人檢測，到近些年來新興的無人駕駛所需要的各種目標(biāo)的識(shí)別。隨著不斷新增的需求，人們對識(shí)別準(zhǔn)確率的要求也是水漲船高。2018年ECCV的Open Images Workshop中，谷歌團(tuán)隊(duì)解釋了Open Image物體識(shí)別比賽和其他類似比賽的區(qū)別和具有挑戰(zhàn)性的地方，即擁有更為大量的數(shù)據(jù)、標(biāo)簽種類、數(shù)據(jù)分布不均衡、提供標(biāo)簽從屬關(guān)系信息以及數(shù)據(jù)標(biāo)注不絕對完整。相比于COCO，此數(shù)據(jù)集的多樣性要大得多，并且對最先進(jìn)的實(shí)例識(shí)別方法構(gòu)成了更大的挑戰(zhàn)。基于這個(gè)數(shù)據(jù)集， Google號(hào)召全球的計(jì)算機(jī)視覺領(lǐng)域的科學(xué)精英共同參與，共同朝著更復(fù)雜的地標(biāo)檢測計(jì)算機(jī)視覺模型邁出巨大的一步。這也是目前最大、最詳盡的公開數(shù)據(jù)。

作為極鏈的明星平臺(tái)之一，「金目」用包括物體、場景等各個(gè)維度的識(shí)別為用戶帶來豐富且十分精準(zhǔn)的體驗(yàn)。當(dāng)然在其中，物體識(shí)別扮演著不可或缺的角色。出于對前沿技術(shù)、算法的不斷探索，我們也借由這次比賽，夯實(shí)團(tuán)隊(duì)在物體識(shí)別上的能力。

針對本次比賽數(shù)據(jù)分布極為不均衡，我們對數(shù)量較少的標(biāo)簽進(jìn)行了數(shù)據(jù)增廣。在算法框架的選擇上，目前Two stage的物體識(shí)別算法相比One stage在準(zhǔn)確度上有較為明顯的優(yōu)勢，而Cascade RCNN算法更是當(dāng)下各個(gè)物體比賽的熱門選擇。不過Cascade級聯(lián)的方式也導(dǎo)致了速度的下降，并不適用于實(shí)際場景�？紤]到自身平臺(tái)的實(shí)際應(yīng)用場景，我們選擇了速度更快也更為經(jīng)典的Faster－RCNN。接下來是Backbone，當(dāng)下大量針對比賽的選擇基本趨于更深和更復(fù)雜的算法，比如為Fackbook創(chuàng)造Imagenet 84．5％（Top1）準(zhǔn)確率的ResNeXt101（32x48d）、SENet等等。而這類模型有個(gè)共同的特點(diǎn)，非常的龐大，對訓(xùn)練和測試的時(shí)間也都有較大的增加。此外，為了達(dá)到更高的準(zhǔn)確率，參賽者們更傾向于訓(xùn)練不同框架、不同Backbone的算法，通常為6個(gè)甚至更多，最后進(jìn)行融合。這對整體的效率、性能的影響也是可想而知的。而比賽是為了更好地改善算法或技術(shù)的實(shí)際落地效果�；�于這個(gè)初衷，我們僅選擇了ResNeXt－101（64x4d）和ResNet－152這兩個(gè)相對更平衡的Backbone。在測試階段，用了多尺度測試以及內(nèi)部各個(gè)周期的結(jié)果融合。此外，我們利用SoftNMS對兩個(gè)算法的結(jié)果進(jìn)行了融合得到了最終的結(jié)果。

最終，團(tuán)隊(duì)在public榜單上的分?jǐn)?shù)為0．62163，private為0．58259，獲得了一枚金牌。

極鏈科技作為全球視聯(lián)網(wǎng)－視頻商業(yè)操作系統(tǒng)的構(gòu)建者，堅(jiān)持以AI技術(shù)賦能視頻中的信息，鏈接互聯(lián)網(wǎng)信息、服務(wù)、購物、社交、游戲五大模式，實(shí)現(xiàn)基于視頻的新互聯(lián)網(wǎng)經(jīng)濟(jì)體與客戶價(jià)值倍增。這次對Google AI Open Images － Object Detection Track競賽的實(shí)踐，是極鏈科技「金目」系統(tǒng)視頻識(shí)別物體算法領(lǐng)域的優(yōu)化，也是為了更好的支持視聯(lián)網(wǎng)的服務(wù)與賦能。未來，極鏈也將持續(xù)探索前沿領(lǐng)域的技術(shù)突破，促進(jìn)人工智能生態(tài)圈的持續(xù)快速發(fā)展。