固定链接 滴滴斩获ECCV2018 COCO&Mapillary挑战赛街景目标检测世界冠军

滴滴斩获ECCV2018 COCO&Mapillary挑战赛街景目标检测世界冠军

滴滴斩获ECCV2018 COCO&Mapillary挑战赛街景目标检测世界冠军

简讯:慕尼黑传来好消息,当地时间99日,在慕尼黑召开的欧洲计算机视觉顶级学术会议 ECCV 2018上,备受关注的COCO+Mapillary 2018物体识别联合挑战赛获奖名单正式揭晓。由小桔子组成的参赛团队DiDi MapVision(滴滴地图视觉计算)获Mapillary街景检测(Mapillary Vistas Object Detection Task)单项世界第一。

COCO竞赛是计算机视觉领域最受关注和最权威的比赛之一,每年相关挑战赛都能吸引全球业界和学术界的多路顶级团队参与,在挑战赛中夺冠也被广泛认为是代表了领域内的顶尖水平。本届 COCO+Mapillary 2018物体识别联合挑战赛则基于COCO数据集和Mapillary最新的街景图像数据集,共提供了六项相关竞赛用来鼓励该领域前沿算法的发明与实现。

 

主办方指出,COCO 数据集主要聚焦于自然场景下的物体识别,Mapillary数据集则聚焦于街景场景识别,是检验自动驾驶感知能力的重要数据集之一,联合挑战赛的形式能让计算机视觉技术更贴近现实场景,更具应用价值。

滴滴地图团队首次参与COCO+Mapillary联合挑战赛即获得Mapillary街景检测比赛单项世界冠军。Mapillary街景检测比赛主要要求参赛者通过算法对交通场景的特定目标进行实例级分割。

 

本次任务的难点在于:第一,物体种类较多,涵盖了从小汽车、自行车等交通参与者到路灯、交通标志牌等交通设施的共37个类别,并且每个类别的实例大小变化很大;第二,精度要求高,算法的输出需要达到像素级精度并且区分相同类别的不同的实例的像素;第三,数据集各类目标存在遮挡、类别不均衡、尺寸过小、光线变化大、视角变化大等问题。上述难点给完成相关任务带来了很大的挑战。

 

自七月起,滴滴地图的视觉计算团队就牵头组成参赛队伍,充分结合其在目标检测和图像分割等视觉感知方向上的已有技术积累和实际场景优化经验,提出了超特征网络(Super Feature Network)方法来实现任务目标。首先,该方法通过构建目标空间位置与语义信息联合约束的新型特征来解决实例大小变化大的问题;然后,通过迁移学习来提高模型的泛化能力并克服实例种类多、图像光照变化和目标视角变化等问题;最后,进一步提出了自适应模型融合策略,有效提升目标检测和分割的鲁棒性。

参赛团队还受邀出席ECCV2018 COCO & Mapillary 物体识别联合挑战赛研讨会,与业内同行进行深入的交流。雅典娜计划学员、新锐实习生潘兴甲同学现场分享了比赛获奖的关键因素:团队协作,团队成员各有自己擅长的领域和技术,通过有效的团队协作将复杂的任务进行有效的分解,进而逐步优化;技术积累,将视觉团队已有的技术积累快速应用到比赛的任务之中,提高模型优化的效率;知识迁移,将传统目标检测、图像分割的方法迁移到当前的实例分割任务之中,提高最终结果的准确率。

在参赛团队负责人地图事业部视觉计算组高级技术专家许鹏飞看来,本次比赛的获奖,进一步体现了滴滴在视觉感知领域的技术实力,“通过比赛不断挑战严格的识别任务,地图视觉计算团队进一步提升了在交通场景感知方面的技术积累,后续会将相关技术推广到交通标志牌检测、车道线检测、电子眼和栅栏检测等交通设施感知模型中,进而应用到交规更新、道路属性更新等实际业务场景之中,为构建更加准确的地图服务提供技术支持。”

 

COCO+Mapillary 2018物体识别联合挑战赛详细信息可见:

http://cocodataset.org/workshop/coco-mapillary-eccv-2018.html

您的留言将激励我们越做越好