ImageNet 2016的結(jié)果揭曉,冠軍幾乎被中國團(tuán)隊(duì)包攬:CUImage(商湯和港中文),Trimps-Soushen(公安部三所),CUvideo(商湯和港中文),HikVision(??低?/a>),SenseCUSceneParsing(商湯和港中文),NUIST(南京信息工程大學(xué))分別拿下多個(gè)項(xiàng)目的冠軍。
1、物體探測(cè)
任務(wù)1a,用提供的訓(xùn)練數(shù)據(jù)進(jìn)行物體探測(cè),冠軍隊(duì)伍 CUImage,使用提供數(shù)據(jù)合成6個(gè)模型,探測(cè)物體勝出種類數(shù)量109,精準(zhǔn)度 0.662751。
下圖,任務(wù)1b,使用額外訓(xùn)練數(shù)據(jù)進(jìn)行物體探測(cè)。冠軍隊(duì)伍 CUImage,使用的是自己在ImageNet Det 數(shù)據(jù)上的標(biāo)簽基準(zhǔn)。識(shí)別物體勝出種類數(shù)量176個(gè),平均精準(zhǔn)度0.66081。
2. 物體定位
下圖,任務(wù)2a:使用提供的訓(xùn)練數(shù)據(jù)進(jìn)行分類+定位。冠軍隊(duì)伍Trimps-Soushen。第一名的模型定位錯(cuò)誤率為0.077087,分類錯(cuò)誤率為0.02991。
下圖,任務(wù)2b:使用額外訓(xùn)練數(shù)據(jù)進(jìn)行分類和定位結(jié)果。Trimps-Soushen在定位和分類上依然排在第一。
3. 視頻中的物體探測(cè)(VID)
下圖,任務(wù)3a,使用提供訓(xùn)練數(shù)據(jù)進(jìn)行的視頻中的物體探測(cè)。冠軍團(tuán)隊(duì)NUIST,識(shí)別物體勝出種類數(shù)量10個(gè),平均精準(zhǔn)度0.808292。
下圖,任務(wù)3b,使用額外訓(xùn)練數(shù)據(jù)進(jìn)行的視頻中的物體探測(cè)。冠軍團(tuán)隊(duì)NUIST,識(shí)別物體勝出種類數(shù)量17個(gè),平均精準(zhǔn)度0.79593。
下圖,任務(wù)3c,用提供訓(xùn)練數(shù)據(jù)進(jìn)行的視頻中物體探測(cè)和追蹤,冠軍是CUvideo。
下圖,任務(wù)3d,用額外訓(xùn)練數(shù)據(jù)進(jìn)行的視頻中物體探測(cè)和追蹤,冠軍是NUIST。
4. 場(chǎng)景分類
冠軍 Hikvision
5. 場(chǎng)景分析
冠軍SenseCUSceneParsing