作为人工智能核心能力,细粒度图像分类是计算机视觉领域极具挑战的方向,而且技术要求越来越高。只有让机器「看得」更细更准,机器的判断才能有所突破。细粒度图像分类针对的是更微观的物体类别,比如,全世界品种超过几万种的兰花,AI 不仅要识别出它是一种兰花,还要判断具体属于哪一种兰花,如果要识别手机,要分辨出是什么品牌的哪一种型号。
再比如生了病的两片树叶,同样出现了破损孔洞,在传统模型训练下,AI 最多可以识别出它们都是苹果树的树叶,很难确定两个孔洞之间的区别,进而给出推断树叶究竟得的是哪两种疾病。然而现在支付宝的 AI 模型通过明确识别关键是孔洞大小、数量、位置,以及周边是否有斑点,最终快速给出树叶由于化学药品滥用造成损伤的判断。
实际上,世界上的约 37 万种植物,不同植物的病因完全不同,但它们的病态外观和特征却非常相似。另一方面,采集拍摄中存在姿态、视角、光照、遮挡、背景干扰等影响因素,使分类更加具有难度。
然而这就是近日在计算机视觉 A 类顶级会议 CVPR 2020 开幕在即,围绕该方向 Kaggle 共发起六项任务,国内互联网公司支付宝参加了其中的患病植物图像分类。
这个挑战非常难,比赛考察 AI 视觉识别技术对苹果树叶子图片进行不同种类的疾病区分能力,在训练集 1821 张图像和测试集 1821 张图像中,完成高精确度的判别。
最终,在FGVC(Fine-Grained Visual Categorization,细粒度图像分类)全球挑战赛结果中,支付宝天筭 (suàn) 安全实验室在 1316 支参赛队中夺冠。
*Kaggle 2020-FGVC 挑战赛官方排名
支付宝天筭安全实验室使用的原创模型,是基于数据增强、知识蒸馏方法,实现在大量信息干扰下进行物体具像化特征识别,使细粒度识别精度大幅提升。支付宝是比赛中唯一使用知识蒸馏这种深度学习方法的团队,在最终测试中,支付宝分数达 0.98445,排名第一。(创见张超编辑报道)
页面更新:2024-03-30
本站资料均由网友自行发布提供,仅用于学习交流。如有版权问题,请与我联系,QQ:4156828
© CopyRight 2020-2024 All Rights Reserved. Powered By 71396.com 闽ICP备11008920号-4
闽公网安备35020302034903号