Como a ascensão da China.
AI Technology Review por: 18 de junho de um dos três de classe mundial Conference on Computer Vision "Visão Computacional e Padrão Conferência Recognition" (Conference on Computer Vision e Reconhecimento de Padrões 2019, CVPR 2019) começou em Long Beach, EUA, o topo do mundo atrair mais de 9200 top especialistas, acadêmicos e setor industrial, para promover conjuntamente o desenvolvimento da tecnologia e piso CV.
Comparado a 2018, o número actual de artigos submetidos CVPR aumentou em 56%, mas a percentagem diminuiu para receber papéis de 3,9%, demonstrando que a publicação dos trabalhos mais difíceis; inscrição e competições académicos também crescimento sustentado. Mas seja em papel ou aspectos acadêmicos do jogo, mais do que este ano, as empresas chinesas fizeram gratificante realizações, essas conquistas não só reflete o nível de desenvolvimento destas empresas, também representa o progresso científico e tecnológico do povo. AI Technology Review agora terminando seus resultados relatados abaixo.
Shang Dynasty Tecnologia CVPR papéis 2019 de admissão em uma série de áreas para alcançar um avanço, papéis onde representativos: "Segmentação com base no exemplo de uma cascata missão híbrida", "gerando algoritmo baseado nas características da caixa de âncora orientação dinâmica" (algoritmo de núcleo Visual sênior - a detecção de objectos e segmentação); "rede parâmetro de interpolação com base na imagem contínua ajuste do efeito de", "dirigido fluxo óptico correcção vídeo" (algoritmos básicos subjacentes visuais - imagem restauração do complemento); "PointRCNN: ponto de turvação com base no original 3D método de detecção de objectos "(para a cena visual 3D piloto automático);" imagem de conversão com base na postura de geração de fluxo óptico intrínseco humano "(para AR / VR migração postura corporal cena);" auto-aprendizagem supervisionada condição de propagação baseado movimento " (profundidade de sem supervisão progresso de aprendizagem e auto-fronteira supervisão) e assim por diante. Esses algoritmos de visão computacional avanço não só tem uma riqueza de cenários de aplicação, também fez uma grande contribuição para o desenvolvimento da indústria AI.
Em CVPR 2019 Oficina NTIRE 2019 recuperação de vídeo game (inclui dois vídeo para desfocar e vídeo de dois super-resolução), da dinastia Tecnologia Shang, Universidade Chinesa de Hong Kong, Universidade Tecnológica de Nanyang, Shenzhen Instituto de Tecnologia Avançada da Academia Chinesa formou uma joint equipe EDVR utilizado um conjunto de algoritmos, todos ganharam a noção de quatro campeonato, e cada resultado é significativamente além da segunda faixa.
No papel: a "Restauração Vídeo EDVR com Enhanced deformáveis Convolucionais Networks", o autor introduz este novo algoritmo, um novo módulo de rede módulos alinhados-PCD, usando deformáveis convolução alinhar o vídeo, você pode conseguir todo o processo de ponta a ponta formação, enquanto a integração de informações no domínio do tempo de escavação (antes e após o quadro de vídeo) e espacial (dentro do mesmo quadro), o autor também propôs um modelo de atenção espaço-temporal para melhor fusão de informações.
arquitetura algoritmo EDVR
Portanto, no vídeo super-resolução EDVR algoritmo com corrente indústria melhor imagem algoritmo de super-resolução de tempo RCAN para processar a mesma recuperação área, você pode ver claramente algoritmo de super-resolução de vídeo EDVR para dar mais detalhes. (Código do método foi aberto)
Além disso, a tecnologia Shang Tang ainda é AI CIDADE Desafio (CVPR 2019 Oficina) ganhou o campeonato na anomalia circuito de detecção. transporte inteligente urbana tem sido confrontado com a má qualidade dos dados, dados de tag menos, a falta de modelos de alta qualidade e algoritmos de ponta a recursos de nuvem de computação, tais como a falta de desafio, competição, design tecnológico Dinastia Shang mais através da aprendizagem de transferência, sem supervisão e método semi-supervisionado para detectar anomalias de tráfego, tais como acidentes rodoviários, avarias de veículos, de modo a alcançar melhor ajudar as cidades se tornam mais seguro e mais inteligente de transporte para esta finalidade.
EDVR endereço de papéis
https://arxiv.org/abs/1905.02716v1
endereço EDVR GitHub
https://github.com/xinntao/EDVR
No CVPR deste ano, Baidu total de 17 trabalhos foram recebidas cobrindo a segmentação semântica, poda de rede, Reid, GAN, e muitos outra direção, e muitas tecnologias relacionadas são projetados para a cena não tripulado.
Incluindo "Tomando Um olhar mais atento em Mudança de Domínio: Adversários Categoria de nível para a semântica consistente domínio da adaptação" em (https://arxiv.org/abs/1809.09478), referia-se à combinação de formação conjunta e treinamento de combate para lidar com a imagem virtual semântica formação segmentação de rede da diferença entre a imagem real, a tecnologia utilizada na condução automática, pode reduzir significativamente a carga de trabalho de coleta de dados e rotulagem.
"Transferência Sim-real Reforço conjunta para 3D de navegação interior" características visuais (https://arxiv.org/abs/1904.03895) propôs a adaptação do modelo e modelo de simulação política, o robô pode efetivamente aprender de uma política de ambiente virtual e característica da migração para a cena real; "ApolloCar3D: um carro Grande 3D Instância de Referência Entendimento para a condução autónoma" um papel, agora conhecido piloto automático maior campo de tridimensional atitude do veículo conjunto de dados, a atitude do veículo pode estimar melhor de uma única imagem .
Nas tarefas CVPR corrida relacionadas, Baidu ganhou um total de 10 títulos, cobrindo muitas áreas populares -
compreensão de vídeo e análise no campo de visão: nomeações incluem movimento de vídeo, vídeo de detecção de movimento duas tarefas campeão, assim como novas tarefas EPIC-Kitchens movimento reconhecimento campeão Desafio ganhou duas conjunto de teste (Visto cozinhas e cozinhas Invisíveis);
detecção de alvo: "detecção de objetos Objects365" campeão competição internacional da trilha completa, NTIRE ganhou em uma imagens de super-resolução campeão concurso;
Detecção humana: competições internacionais Olhar Sobre Person três fina humano analisar Concorrência (Track1: Single-Pessoa de análise humana, Track3: Mult-Person de análise humana, Track4: Vídeo Multi-Pessoa Análise), a primeira foi obtida;
Live Face Detection: On CVPR-19-Face Anti-spoofing ataque Detecção Desafio, Baidu bater mais de 300 equipes e, finalmente, os primeiros bons resultados.
Smart City de identificação do veículo: pesada tarefa de identificar o primeiro AI-cidade aberta a cidade limita veículo multi-câmera;
Em CVPR 2019, Baidu Apollo para o primeiro nível L4 tempo de exposição de soluções visuais puro piloto automático. Wang Liang, Presidente do Comitê Técnico de nível Apollo L4 de condução automática (Fully Condução Autónoma) soluções de tecnologia sensíveis ao contexto foram explicadas e divulgada olhou ao redor soluções visuais Baidu Apollo Lite. E que através de investimento e teste de estrada iterações iniciais do primeiro semestre de 2019 de P & D, este conjunto de 10 câmeras contam com sistema perceptivo, Baidu veículos não tripulados já pode alcançar alta linha não depende do número de rotary final radar a laser em vias urbanas acabar de ciclo fechado piloto automático.
Em CVPR 2019, através do deserto, como o Instituto de Oral, Poster, Oficina, Demonstração, Booth e outras formas, com o mundo os mais recentes desenvolvimentos no campo da teoria da visão de computador e compartilhamento de aplicativos.
Kuang relação ao ano passado, como a tecnologia tem oito artigos foram incluídos, a adição de seis este ano, eles são recebidos CVPR. Este artigo relaciona-se com o reconhecimento 14 peso de pedestres, a detecção de texto cena, panorâmico segmentação, direção de tecnologia super-resolução da imagem, segmentação semântica, detecção de espaço-tempo.
E CVPR 2019 WAD topo reunião (Workshop sobre Condução Autónoma), CVPR 2019 FGVC (Workshop sobre refinadas Visual Categorização), CVPR 2019 NTIRE (New Trends in Restauração imagem e oficina Enhancement) 3 jogo desafio, bater Facebook, general Dynamics, Daimler e outras bem conhecidas universidades e gigantes da tecnologia da linha de frente, ganhando seis títulos mundiais, abrangendo piloto automático, novo varejo, telefones inteligentes, 3D, e outros campos.
Desafio NTIRE 2019 em que a imagem verdadeira concorrência redução de ruído, compromete-se a restabelecer e reforçar a qualidade da imagem. Até agora, tem sido realizada por três anos. Este ano NTIRE Desafio consiste em 11 jogos, "verdadeira redução de ruído de imagem (Real Imagem Denosing Challenge)" Kuang Instituto de vista da concorrência, um total de 216 jogadores de todo o mundo, 12 equipes. E diferente dos anos anteriores, a corrida deste ano é para a redução de ruído de imagem real, em vez de imagem para avaliar a imagem de ruído redutor sintetizado. O jogo de acordo com a imagem armazenada em dois formatos - dados em bruto do sensor (CRU) e o RBG padrão (sRGB), é dividido em dois sub corrida correspondente.
guerra Kuang, como a imagem crua de-noising Research Institute, propôs "uma normalização da matriz Bayer aumentada com Proscar" framework baseado em U-Net para o método de imagem crua. Equipe projetou um método para pré-processamento de dados, de modo que os dados entre entrada de imagem diferente para manter a consistência da rede de entrada, a fim de aplicar para a entrada do padrão Bayer com um diferente, com uma rede conjunto de imagens de treinamento maior na premissa de garantir o desempenho . Além disso, a equipe também fez aplicável a dados de imagem RAW método aumentada, estas vantagens podem ajudar a rede ficar melhor capacidade de generalização.
E, como o algoritmo Kuang campeão foi aterrar com sucesso em OPPO Reno 10 vezes zoom versão. OPPO Reno 10 vezes zoom versão equipada com o recurso de "ultra-clara 2,0 Night" com base na qualidade super pesquisa e desenvolvimento de tecnologia Kuang vista MEGVII, pode fornecer uma melhor experiência de tiro nocturno para o usuário. Este é o deserto, como a tecnologia de ultra-definição foi utilizado pela primeira vez nos modelos de produção em massa.
O Instituto de Pesquisa Jingdong AI publicado um total de 12 artigos em CVPR 2019, dos quais quatro artigos seleccionados para a apresentação oral (taxa de selecção apresentação oral de apenas 5%), seleccionado apresentação oral de quatro artigos incluem:
"ScratchDet: Explorando a treinar Individual-Shot Detectores de objetos a partir do zero" (https://arxiv.org/abs/1810.08425v3)
"Transferíveis prototípicas Networks para Unsupervised Domínio Adaptação" (https://arxiv.org/abs/1904.11227)
"Unsupervised Pessoa Geração Imagem com semântica Análise de Transformação" (https://arxiv.org/abs/1904.03379)
"Redes da consciência da Gaussian temporal de actuação Localização" (https://docs.wps.cn/view/p/35402862179?from=docs&source=docsWeb)
Que ScratchDet Jingdong AI Instituto levantada a partir do ponto de vista da otimização, o experimento explica como um dos meios de gradiente estável BatchNorm inicialização aleatório para ajudar a formar o detector, em seguida, combinado com o ResNet VGGNet para melhorar a detecção de pequenos objectos. E o sucesso do uso desta tecnologia em outras tarefas, tais como detecção de face, detecção de texto, etc., o que para o desenvolvimento da visão de computador é de grande importância.
Em termos de jogo acadêmico, AI Instituto jingdong total de três pela primeira vez em CVPR 2019, são: o reconhecimento de movimento de vídeo, reconhecimento de imagem do produto, e granularidade imagem Borboletas de reconhecimento fino; pratos no corpo do que a resolução, com base de reconhecimento de imagem competição em segundo lugar.
ActivityNet vídeo reconhecimento de movimento é considerado o mais importante e o mais básico de tarefas. Neste vídeo ActivityNet tarefa de reconhecimento de movimento (Cinética) competição, um total de 15 equipes da Universidade Carnegie Mellon, Baidu, Facebook Artificial Intelligence Research Institute, laboratório Shanghai Jiaotong University MVIG e outras instituições de pesquisa de renome internacional. Jingdong AI Com um novo quadro proposto por eles - se espalhou por características locais e globais (LGD) video aprendendo espaço, tempo, recursos e, finalmente, se destacam em muitos concorrentes fortes.
No reconhecimento de imagem fina (Fine-Grained Visual Categorização) competição acadêmica, este ano o número de competição de imagem e dados do produto categoria são 5 vezes e 40 vezes no ano passado, desafiando correspondentemente melhorado significativamente, o total global de 96 equipas, 152 jogadores 1600 apresentado pelo participaram do concurso, ea final Jingdong AI contra a nova imagem fina algoritmo de classificação com base na auto-desenvolvimento ganhou o campeonato. O algoritmo "destruído" pressionando as informações de estrutura de bloco na imagem e, em seguida, fazer a rede neural foi treinada para se concentrar na área de identificação visual e captura, e em seguida, identificar o item em si, mais notável é que esta tecnologia não só pode alcançar alta precisão taxa, bem como um grau de compatibilidade forte. Para mais informações relacionadas com os resultados da pesquisa podem ser obtidas no jornal "Destruição e Aprendizagem Construção de ImageRecognition refinadas" (https://docs.wps.cn/view/p/35402900346?from=docs&source=docsWeb) em.
Em CVPR 2019, um total de 11 bytes batendo papéis são recebidos, dos quais dois seleccionados para a via oral. Em termos de competição acadêmica, batendo bytes no corpo humano e os jogos de divisão estimativa de pose do corpo humano foram colhidas dois títulos, um vice-campeão.
LIP atual (Olhe em Person) competição internacional atraiu mais de 75 equipes participaram, incluindo a Universidade de universidade global da Califórnia, Berkeley, NHN, Universidade de Sydney of Technology, Universidade do Sudeste, Shanghai Jiaotong University, Universidade China de Ciência Eletrônica e Tecnologia da Universidade Chinesa de Hong Kong e Samsung artificial Instituto de Pesquisa de inteligência instituições Baidu, Jingdong e outras empresas de tecnologia.
O jogo contém um total de cinco tarefas do concurso: a divisão Individual humana analítica (o único pessoa humana parsing), estimativa de postura só corpo (o único pessoa pose estimativo), mais do que o corpo humano para resolver (o multi-pessoa humana parsing), com base em multijogador vídeo corpo analítica (multi-pessoa vídeo parsing, multi-pessoa pose estimativa benchmark), com base na imagem de roupas para experimentar (roupas try-on referência virtual). Em última análise, a equipe composta de bytes de bater e Universidade do Sudeste, e Xiao Bin, levou o time empatou na batida campeonato internacional byte postura estimativa único corpo humano do jogo, ao mesmo tempo, bytes e Universidade do Sudeste vencer uma equipe também venceu a divisão de corpo único trilha runner-up internacional.
Entre eles, em um único jogo estimativa postura corpo humano, bytes batendo e equipa Universidade do Sudeste da estimativa postura corpo humano é proposto com base na rede de canais melhorada e informação espacial, consulte CVPR 2019 papel "Multi-pessoa pose Estimativa com Enhanced Canal-wise e Ordenamento Informação "(https://arxiv.org/abs/1905.03466) e Xiao Bin, levou o byte equipa batida propôs o uso de rede de alta-resolução (HRNet) para resolver o problema de estimação postura humana, CVPR referência 2019 de papel" profunda alta resolução Representação de Aprendizagem para Humano Pose Estimativa "(https://arxiv.org/abs/1902.09212), este último método tem sido open source no GitHub, e amigos interessados podem ser estudo mais aprofundado.
github Endereço
https://github.com/leoxiaobin/deep-high-resolution-net.pytorch
Terceiro AI imagem modelo de reconhecimento WebVision Ali AI competição na corrida pelo Google, Carnegie Mellon University, Zurich Instituto Federal de Tecnologia e outras instituições tecnologia de visão campo CVPR topo conferência acadêmica mundial joint patrocinados no won, a competição será exigido 16 milhões imagens de categorias de classificação precisos para 5000, a taxa de precisão de reconhecimento final 82,54% Ali, a história de todas as coisas identificar áreas de melhoria de 3 pontos percentuais.
E em meados de março deste ano, Ali e Big Data Institute Research de Shenzhen, Universidade Chinesa (Shenzhen), Hong Kong, Universidade de Tecnologia de Dalian e da Universidade de Ciência e Tecnologia da China preenchida conjuntamente "Deep Aprendizagem por Reforço da guiada por Volume Progressive Ver Coloração para Cena Ponto 3D Conclusão de uma profundidade imagem única "é incluído como Apresentação Oral.
Depois do Instituto de Tecnologia de Harbin, Hong Kong Universidade Politécnica, o algoritmo de super-resolução Shenzhen Pengcheng laboratório de design conjunta - pode ser um bom negócio degradação borrada de tecnologia DPSR (do jornal "Deep Plug-and-Play Super-Resolution para Arbitrária borrão Grãos "), também é recebido CVPR 2019. E o algoritmo tem sido código-fonte aberto (https://github.com/cszn/DPSR); em outro artigo aceito papéis "Projeto de Rede para Imagem Única Super-Resolution Inspirado-ODE", a Academia Ali de Ciências, Academia Chinesa de Ciências da Universidade a pesquisa também mostra-los juntos para fazer uma imagem de super-resolução correspondente.
FGVC chamado de Categorização Visual refinadas, isto é, para distinguir entre diferentes animais e plantas, modelos de automóveis e motorizadas, estilo arquitectónico, é um dos comunidade interessante e útil visão de máquina questão mais aberta apenas começando a ser abordadas. Em que a classificação de imagens de continuidade de grão fino básica entre a classificação (reconhecimento de objetos) e reconhecimento individual (reconhecimento de face, biometria); tarefa de classificação é diferente do convencional generalizada, FGVC desafios dedicado subcategorias divididas, mais semelhança entre objectos necessidade de ser classificadas, por exemplo, para distinguir entre diferentes peixes, as diferentes formas da mesma planta, diferentes necessidades diárias.
Em FGVC6 Oficina Divisão CVPR deste ano, um total de dez Desafio, cada um representando um desafio de classificação de grão fino do campo visual em uma subdivisão. O desafio este ano um total de 88 equipes de todo o mundo a participar, enviando mais de 1.300 cópias do programa. E (de acordo com a tarefa de distinguir entre diferentes tipos de folhas de mandioca de doenças de mandioca), realizada em Kaggle CVPR 2019 Doença de mandioca Classificação Desafio, DeepBlue AI para reduzir o risco de sobre-montagem por métodos de melhoramento de imagem, e melhorar a robustez do modelo simultaneamente, usando uma pluralidade de modelo IMAGEnet desempenho excepcional, um método para melhorar a precisão da integração, finalmente ganhou o campeonato.
Além do Desafio, ciência e tecnologia ainda está na mesma escuro período azul 2019 Oficina CVPR as outras duas partidas na Condução Autónoma (WAD) D²-City & BDD100K Rastreamento Domínio Adaptação Desafio ea D²-City & BDD100K Detecção domínio da adaptação de desafio. (Meta transferir aprender a detectar, rastreamento de alvos e de transferência de massa aprender desafio de detecção de interpolação explorar corrida) venceu o vice-campeão e segundo vice-campeão.
CVPR deste ano, aprendizagem de máquina, compressão de imagem Challenge (CLIC) co-patrocinado pelo Google twitter, Netflix e assim por diante. Hoje, devido ao telefone de pixel de elevação, tendo a maior parte do espaço de memória de imagem para dispositivos de armazenamento e sites são um grande fardo removível; ea qualidade da imagem e processo de compressão eficiente, muitas empresas de Internet têm se tornado grande demanda . Portanto, nesta sessão, ele se tornou um dos foco da imagem tecnologia de compressão.
No ano passado, desenho tecnologia pato ganhou o Desafio MS-SSIM e MOS dois primeiros; e este ano, eles também trouxeram mais tecnologia, culminando na MS-SSIM, Pista Transparente, PSNR, Perceptual Qualit ele ganhou o título em quatro indicadores, para mostrar ao mundo sua tecnologia poder duro, história de compressão de imagem como o vencedor do Grand slam do mundo.
Missão dos EUA e equipe de entrega não tripulado Visão neste CVPR, bons resultados também receberam foram previstos Challenge (desafio previsão Trajetória) ganhos em primeiro lugar e produto identificação Challenge (Desafio iMaterialist no reconhecimento do produto de obstáculos na trajetória ) segundo acabado.
Nenhuma distribuição para a equipe da Missão dos Estados Unidos e da visão, isso não é apenas uma honra, mas também para nos mostrar um monte de produto de investigação e explorá-los em tecnologia de piloto automático e aspectos visuais da imagem, e acumulados no cenário de aplicação os resultados frutíferos.
Mito imagem Laboratório participou na melhoria de imagem MTlab e imagem defogging dois jogos, dois jogos são recebidas mais de 200 equipes para se cadastrar.
Finalmente, no circuito de melhoramento de imagem (imagem Enhancement Challenge), o Mito de imagem Laboratório MTlab ganhou o campeonato, à imagem defogging faixa (Imagem Dehazing Challenge), Mito imagem Laboratório MTlab ganhou o terceiro lugar.
AI esta cidade competição (AI Cidade Challenge) de um total de mais de 200 equipas de topo mundial envolvidos, a cidade cai em CVPR AI jogo (AI Cidade Challenge) venceu o vice-campeão na final, e da Universidade da Califórnia, mão Berkeley DeepDrive na indústria piloto automático aprendizagem profunda União (BDD) em conjunto realizou uma CVPR seminário piloto automático 2019, detalhando as peças exploração e prática no campo do piloto automático.
atividades doados Junho 21, a lista foi organizado, Parabéns para o seguinte amigo vencedores:
AI Yanxishe:
@BackUp! @ @ Hua Him
@Farmer @ White Rabbit de chocolate
AI Technology Review:
@. @ Voyage @ (aqui Emoji)
Nota: mensagem elegível apenas três elegibilidade restante levantado AI Yanxishe emitido.
Lei Feng número assinatura de rede:
@ Um rio @BaldStrong
@ @ Motorista pastoral · D · chuva Vinte
Parabéns a esses amigos, responda a especificar o conteúdo da área de mensagem em frente às 23:59 em julho 2019 no dia 3, uma mensagem informará preenchimento mais tarde na informação. Note-se que limite o tempo resposta mais eficaz de premiação irá falhar.
2019 Cúpula Global de Inteligência Artificial e Robótica
2019 Nian 12-14 julho , Organizado pela Federação China Computer (CCF), a rede de Lei Feng e da Universidade Chinesa (Shenzhen) co-patrocinado Hong Kong, Shenzhen, Inteligência Artificial e Robótica Instituto de Pesquisa de Co 2019 Cúpula Global de Inteligência Artificial e Robótica (Designado por CCF-GAIR 2019) Shenzhen será a cortina oficial.
Até então, o prêmio Nobel JamesJ. Heckman, acadêmico estrangeiro, presidente do topo mundial, conhecida Fellow, um número de convidados pesado pessoalmente Zuozhen , O tema da inteligência artificial e complexo campo da situação robótica sobrevivência, produção, investimento e assim por diante.
Clique em Leia o original Ver: CVPR2019 | cada passo! Melhorar a qualidade através de previsão do kernel do borrão iterativo super-resolução
